jane.png

Prologue

First of all, A big WELCOME to my dearest teammates:

  • Ning,
  • AQ,
  • Nitin
  • RottenRotten(腐腐)

It is an honor to meet you all and I am really looking forward to our collaboration on this game.

Back to the topic. The purpose of this notebook is to provide insights of the data sets that we are going to use to in this competition, thus I will explore the dataset in as much details as I can and hopefully by the end of this notebook, I can clear some of your doubts and you have a really good grasp of what we are about to deal with in this game.

A few things to keep in mind before we dive in:

  • No modification are made to the datasets in this Notebook. That means no feature selection/computation/training/error anlysis... in this file. The whole point of this file is to provide you with a rather comprehensive view of the dataset.
  • All images generated by the codes in this Notebook can also be found in the image folder under the same directory
  • I am actually the one with the lowest degree and the least amount of experience in the team, so if you spot anything that you cannot agree with in this file, it is probably my bad. Please don't hesitate to point it out and question me in the face.

A Brief Introduction of the Four data files we have

As the participants of this competition, we are provided with four files, namely:

  • train.csv - the training set, contains historical data and returns
  • example_test.csv - a mock test set which represents the structure of the unseen test set. You will not be directly using the test set or sample submission in this competition, as the time-series API will get/set the test set and predictions.
  • example_sample_submission.csv - a mock sample submission file in the correct format
  • features.csv - metadata pertaining to the anonymized features

The two files that are marked red are the ones that we need to work with, we will look into them in more details in the later part of this notebook. As for the other two example files, the organizer put them there to give us an idea of what test sets look like. Since in this competition the testing and evaulation will be done by the organizers, we can completely ignor these two files for now.

Import section

(This is the section of blocks where I include all the modules that I will need in my codes. Just one little habbit of mine, I feel it is easier to handle your code in this way)

In [1]:
#Import section
import numpy as np
import pandas as pd
import seaborn as sns
import os
import re
import matplotlib.pyplot as plt

import datatable as dt 
# You might not have this package installed on your own computer. 
# But you can simply run pip install command to install it.
# datatable is for loading large size files. Since we have a 5GB data file in this game, it's a good idea to load it
# in dt first and then transform into pandas dataframe.
In [2]:
# Check if you have all the files you need under your working directory
# You should see all four csv files mentioned above
fileNames = os.listdir()
print('File names: ')
for file in fileNames:
    if re.match('[a-zA-Z_]*.csv',file):
        print('  [+]'+file)
File names: 
  [+]example_sample_submission.csv
  [+]train.csv
  [+]example_test.csv
  [+]features.csv

Goal

This is the section where we really set our foot in the door.

This competition is evaluated on a utility score.
Each row in the test set represents a trading opportunity for which you will be predicting an action value:

  • 1 --> to make the trade and
  • 0 --> to pass on it.

Each trade j has an associated **weight** and **resp**, which represents a return.

For each date i, we define:

$$P_{i} = {\sum weight_{ij} * resp_{}*action_{ij}}.$$$$ t = {\sum P_{i} \over \sqrt{\sum P_{i}^2}} * \sqrt{250\over|i|}$$

where (|i|) is the number of unique dates in the test set. The utility is then defined as: $$ U = min(max(t, 0), 6)*{\sum p_{i}} $$

Our goal is to maximize the utility score.
In order to do that we need a criterion for determining the value of action.
For example like what most of people did:

- action = 1 when resp (return) > 0
- action = 0 otherwise

Train file info (The 5GB file)

This is the dataset that we are going to use to train our model.

Size:
2390491 rows x 138 columns

Columns:

  • Feature_i ( i = 0,1,...129) * Each trade characterized by 130 anonymous features.
  • Data: the date where trade happened. We are given 500 days of trading days(2 years)
  • resp: return, in accordance to the description
  • resp_i: (i = 1,2,3,4) return over different time periods. Serves as supplymentary datas.
  • weight: weight on each trade ( Note. They do not add up to 1 for some unknown reason)
  • ts_id: trading ID, same as the index of this dataframe

Unfortunately, all the features are anonymous meaning there is no way to know extractly what they are. Although we can make some deductions or presumptions on these features based on their distributions, null value patterns and tag structure, I am afraid that finance hardly plays a role in this competition.

Anyway, let's take a look into the dataset.

In [5]:
# Load in files
df_train = dt.fread('train.csv')
df_train = df_train.to_pandas()
In [6]:
# Head view
df_train.head()
Out[6]:
date weight resp_1 resp_2 resp_3 resp_4 resp feature_0 feature_1 feature_2 ... feature_121 feature_122 feature_123 feature_124 feature_125 feature_126 feature_127 feature_128 feature_129 ts_id
0 0 0.000000 0.009916 0.014079 0.008773 0.001390 0.006270 1 -1.872746 -2.191242 ... NaN 1.168391 8.313583 1.782433 14.018213 2.653056 12.600292 2.301488 11.445807 0
1 0 16.673515 -0.002828 -0.003226 -0.007319 -0.011114 -0.009792 -1 -1.349537 -1.704709 ... NaN -1.178850 1.777472 -0.915458 2.831612 -1.417010 2.297459 -1.304614 1.898684 1
2 0 0.000000 0.025134 0.027607 0.033406 0.034380 0.023970 -1 0.812780 -0.256156 ... NaN 6.115747 9.667908 5.542871 11.671595 7.281757 10.060014 6.638248 9.427299 2
3 0 0.000000 -0.004730 -0.003273 -0.000461 -0.000476 -0.003200 -1 1.174378 0.344640 ... NaN 2.838853 0.499251 3.033732 1.513488 4.397532 1.266037 3.856384 1.013469 3
4 0 0.138531 0.001252 0.002165 -0.001215 -0.006219 -0.002604 1 -3.172026 -3.093182 ... NaN 0.344850 4.101145 0.614252 6.623456 0.800129 5.233243 0.362636 3.926633 4

5 rows × 138 columns

In [7]:
#Tail view
df_train.tail()
Out[7]:
date weight resp_1 resp_2 resp_3 resp_4 resp feature_0 feature_1 feature_2 ... feature_121 feature_122 feature_123 feature_124 feature_125 feature_126 feature_127 feature_128 feature_129 ts_id
2390486 499 0.000000 0.000142 0.000142 0.005829 0.020342 0.015396 1 -1.649365 -1.169996 ... -1.896874 -1.260055 1.947725 -1.994399 -1.685163 -2.866165 -0.216130 -1.892048 0.901585 2390486
2390487 499 0.000000 0.000012 0.000012 -0.000935 -0.006326 -0.004718 1 2.432943 5.284504 ... -0.936553 1.064936 3.119762 -0.419796 -0.208975 -0.146749 0.730166 0.648452 2.068737 2390487
2390488 499 0.000000 0.000499 0.000499 0.007605 0.024907 0.016591 1 -0.622475 -0.963682 ... -2.956745 -0.640334 -2.279663 -0.950259 -4.388417 -1.669922 -3.288939 -1.336142 -2.814239 2390488
2390489 499 0.283405 -0.000156 -0.000156 -0.001375 -0.003702 -0.002004 -1 -1.463757 -1.107228 ... -2.035894 -1.780962 0.881246 -2.202140 -1.912601 -3.341684 -0.571188 -2.185795 0.627452 2390489
2390490 499 0.000000 -0.001855 -0.001855 -0.001194 -0.000864 -0.001905 -1 -1.817184 -1.131577 ... -0.571013 2.483421 8.284037 -0.698486 0.199953 -0.168395 2.051091 1.726072 5.823676 2390490

5 rows × 138 columns

Missing values

Now that we have viewed what the data are like, the next thing we care about is whether or not the dataset contains missing value for obvious reasons: defective data are not helpful at all in training our models.

And this leads to our next question: how do we handle the missing values? There are many different ways to handle missing data. Here I will list three most commom ways:

  • Simply remove the rows that has missing value in it
  • Replace the null value with 0
  • Replace the null value with some large value e.g. 999

For now, I will just stop here and leave this question to our discussion.
Now, Let's take a close look at those null value.

In [8]:
# Calculating how many null/missing values in each columns
pd.DataFrame(df_train.isnull().sum()) 
Out[8]:
0
date 0
weight 0
resp_1 0
resp_2 0
resp_3 0
... ...
feature_126 8853
feature_127 8853
feature_128 1921
feature_129 1921
ts_id 0

138 rows × 1 columns

In [9]:
# Same as above except in percentage this time
cm = sns.light_palette("red", as_cmap=True)
pd.DataFrame(df_train.isnull().sum()/2390491).style.background_gradient(cmap=cm)
Out[9]:
0
date 0.000000
weight 0.000000
resp_1 0.000000
resp_2 0.000000
resp_3 0.000000
resp_4 0.000000
resp 0.000000
feature_0 0.000000
feature_1 0.000000
feature_2 0.000000
feature_3 0.000187
feature_4 0.000187
feature_5 0.000000
feature_6 0.000000
feature_7 0.164458
feature_8 0.164458
feature_9 0.000330
feature_10 0.000330
feature_11 0.033472
feature_12 0.033472
feature_13 0.006423
feature_14 0.006423
feature_15 0.002796
feature_16 0.002796
feature_17 0.165462
feature_18 0.165462
feature_19 0.000330
feature_20 0.000330
feature_21 0.034070
feature_22 0.034070
feature_23 0.006423
feature_24 0.006423
feature_25 0.002796
feature_26 0.002796
feature_27 0.165462
feature_28 0.165462
feature_29 0.000330
feature_30 0.000330
feature_31 0.034070
feature_32 0.034070
feature_33 0.006423
feature_34 0.006423
feature_35 0.002796
feature_36 0.002796
feature_37 0.000000
feature_38 0.000000
feature_39 0.000000
feature_40 0.000000
feature_41 0.000000
feature_42 0.000000
feature_43 0.000000
feature_44 0.000187
feature_45 0.000187
feature_46 0.000000
feature_47 0.000000
feature_48 0.000000
feature_49 0.000000
feature_50 0.000000
feature_51 0.000000
feature_52 0.000000
feature_53 0.000000
feature_54 0.000000
feature_55 0.028617
feature_56 0.000301
feature_57 0.000000
feature_58 0.000000
feature_59 0.000020
feature_60 0.000000
feature_61 0.000000
feature_62 0.000000
feature_63 0.000000
feature_64 0.000000
feature_65 0.000000
feature_66 0.000000
feature_67 0.000000
feature_68 0.000000
feature_69 0.000000
feature_70 0.000000
feature_71 0.000000
feature_72 0.147010
feature_73 0.000330
feature_74 0.026810
feature_75 0.006423
feature_76 0.002796
feature_77 0.000000
feature_78 0.147010
feature_79 0.000330
feature_80 0.026810
feature_81 0.006423
feature_82 0.002796
feature_83 0.000000
feature_84 0.147010
feature_85 0.000330
feature_86 0.026810
feature_87 0.006423
feature_88 0.002796
feature_89 0.000000
feature_90 0.147010
feature_91 0.000330
feature_92 0.026810
feature_93 0.006423
feature_94 0.002796
feature_95 0.000000
feature_96 0.147010
feature_97 0.000330
feature_98 0.026810
feature_99 0.006423
feature_100 0.002796
feature_101 0.000000
feature_102 0.147010
feature_103 0.000330
feature_104 0.026810
feature_105 0.006423
feature_106 0.002796
feature_107 0.000000
feature_108 0.147010
feature_109 0.000330
feature_110 0.026810
feature_111 0.006423
feature_112 0.002796
feature_113 0.000000
feature_114 0.147010
feature_115 0.000330
feature_116 0.026810
feature_117 0.006423
feature_118 0.002796
feature_119 0.000000
feature_120 0.029222
feature_121 0.029222
feature_122 0.000093
feature_123 0.000093
feature_124 0.006728
feature_125 0.006728
feature_126 0.003703
feature_127 0.003703
feature_128 0.000804
feature_129 0.000804
ts_id 0.000000

Note that some features have severe issue with missing values (the red ones). On top of that, it's even more interesting to discover that same number of missing values are found across different features (e.g 7 vs 8; 17 vs 18; 27 vs 28 )

Now let's filter out these features (severe ones) and see what we can find.

In [10]:
null_percentage = df_train.isnull().sum()/2390491 
null_percentage_mask = null_percentage > 0.1
filter_features = pd.DataFrame(null_percentage[null_percentage_mask],columns = ['Null value percentage'])
filter_features
Out[10]:
Null value percentage
feature_7 0.164458
feature_8 0.164458
feature_17 0.165462
feature_18 0.165462
feature_27 0.165462
feature_28 0.165462
feature_72 0.147010
feature_78 0.147010
feature_84 0.147010
feature_90 0.147010
feature_96 0.147010
feature_102 0.147010
feature_108 0.147010
feature_114 0.147010
In [11]:
# Features with more than 10% missing value
filter_features.index
Out[11]:
Index(['feature_7', 'feature_8', 'feature_17', 'feature_18', 'feature_27',
       'feature_28', 'feature_72', 'feature_78', 'feature_84', 'feature_90',
       'feature_96', 'feature_102', 'feature_108', 'feature_114'],
      dtype='object')
In [12]:
df_train[list(filter_features.index)]
Out[12]:
feature_7 feature_8 feature_17 feature_18 feature_27 feature_28 feature_72 feature_78 feature_84 feature_90 feature_96 feature_102 feature_108 feature_114
0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
1 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
2 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
3 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
4 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
2390486 0.526201 1.162469 0.928914 2.150500 -0.041265 -0.149770 -0.539591 -2.627014 -0.193006 1.689489 0.104432 2.754382 -0.128550 2.107612
2390487 -0.064645 0.163244 0.170509 0.526144 -1.301215 -3.244589 1.752626 1.352782 2.578997 0.893971 2.297062 0.614411 3.295566 0.719010
2390488 0.140248 0.039213 0.437936 0.443755 -0.013002 -0.004482 0.213130 0.316766 0.206049 -0.073920 0.108439 -0.248634 0.217940 -0.174350
2390489 -0.683812 -0.939522 -0.968833 -1.735649 0.026421 0.049269 -0.523474 -3.177544 0.875750 6.022596 1.157290 7.345104 1.492829 6.529618
2390490 0.198607 0.752480 -0.163660 -0.477443 0.601387 1.804146 0.525496 0.580039 0.025297 -0.658249 -0.372650 -1.277911 -0.298838 -0.927916

2390491 rows × 14 columns

Return

In the training set, train.csv, you are provided a resp value, as well as several other resp_{1,2,3,4} values that represent returns over different time horizons.

And as you will see, as i --> larger; resp_i --> less volatility, and return tends to be stable during 100th - 200th day

In [17]:
#Head view of returns
df_train[['resp','resp_1','resp_2','resp_3']].head()
Out[17]:
resp resp_1 resp_2 resp_3
0 0.006270 0.009916 0.014079 0.008773
1 -0.009792 -0.002828 -0.003226 -0.007319
2 0.023970 0.025134 0.027607 0.033406
3 -0.003200 -0.004730 -0.003273 -0.000461
4 -0.002604 0.001252 0.002165 -0.001215
In [20]:
fig, ax1 = plt.subplots(1,1,figsize = (15,8))
df_train_daily = df_train[['date','resp', 'resp_1','resp_2','resp_3','resp_4']].groupby('date').sum()

sns.lineplot(x = df_train_daily.index, y = df_train_daily['resp'], ax = ax1, color = 'red', label = 'resp')
sns.lineplot(x = df_train_daily.index, y = df_train_daily['resp_1'], ax = ax1, color = 'blue', label = 'resp_1')
sns.lineplot(x = df_train_daily.index, y = df_train_daily['resp_2'], ax = ax1, color = 'green', label = 'resp_2')
sns.lineplot(x = df_train_daily.index, y = df_train_daily['resp_3'], ax = ax1, color = 'orange', label = 'resp_3')


plt.title('Daily return', fontsize = 20)
Out[20]:
Text(0.5, 1.0, 'Daily return')
In [16]:
fig, ax1 = plt.subplots(1,1,figsize = (15,8))

sns.lineplot(x = df_train_daily.index, y = df_train_daily['resp'].cumsum(), ax = ax1, color = 'red',label = 'resp')
sns.lineplot(x = df_train_daily.index, y = df_train_daily['resp_1'].cumsum(), ax = ax1, color = 'blue', label = 'resp_1')
sns.lineplot(x = df_train_daily.index, y = df_train_daily['resp_2'].cumsum(), ax = ax1, color = 'green', label = 'resp_2')
sns.lineplot(x = df_train_daily.index, y = df_train_daily['resp_3'].cumsum(), ax = ax1, color = 'purple', label = 'resp_3')

plt.title('Cumulative returns', fontsize = 20)
Out[16]:
Text(0.5, 1.0, 'Cumulative returns')

Features

In my opinion, the key to win this game = right features + right model
Feature reduction/selection is an important in this competition.

We will need to discuss which features to drop.

In this section, I will show some visualizations of features' distributions and correlations. While some of their distributions have interesting shapes while the correlations are rather equal among all the features. Again, it proves the need of features processing.

In [49]:
# Plotting (Do not run this, it takes long time)
fig, ax = plt.subplots(13,10, figsize = (52,40))
for i in range(13):
    for j in range(10):
        index = 10*i+j
        sns.distplot(df_train['feature_'+str(index)], ax = ax[i,j])
# visualization of distributions of features
fig.tight_layout(pad=2.0)
fig
Out[49]:
In [27]:
# Visualization of the correlation matrix
cm = sns.diverging_palette(5, 250, as_cmap=True)
mask_ut=np.triu(np.ones(df_train.shape)).astype(np.bool)
df_train_corr = df_train.corr()
df_train_corr.style.background_gradient(cmap=cm, axis=None,).set_precision(2)
Out[27]:
date weight resp_1 resp_2 resp_3 resp_4 resp feature_0 feature_1 feature_2 feature_3 feature_4 feature_5 feature_6 feature_7 feature_8 feature_9 feature_10 feature_11 feature_12 feature_13 feature_14 feature_15 feature_16 feature_17 feature_18 feature_19 feature_20 feature_21 feature_22 feature_23 feature_24 feature_25 feature_26 feature_27 feature_28 feature_29 feature_30 feature_31 feature_32 feature_33 feature_34 feature_35 feature_36 feature_37 feature_38 feature_39 feature_40 feature_41 feature_42 feature_43 feature_44 feature_45 feature_46 feature_47 feature_48 feature_49 feature_50 feature_51 feature_52 feature_53 feature_54 feature_55 feature_56 feature_57 feature_58 feature_59 feature_60 feature_61 feature_62 feature_63 feature_64 feature_65 feature_66 feature_67 feature_68 feature_69 feature_70 feature_71 feature_72 feature_73 feature_74 feature_75 feature_76 feature_77 feature_78 feature_79 feature_80 feature_81 feature_82 feature_83 feature_84 feature_85 feature_86 feature_87 feature_88 feature_89 feature_90 feature_91 feature_92 feature_93 feature_94 feature_95 feature_96 feature_97 feature_98 feature_99 feature_100 feature_101 feature_102 feature_103 feature_104 feature_105 feature_106 feature_107 feature_108 feature_109 feature_110 feature_111 feature_112 feature_113 feature_114 feature_115 feature_116 feature_117 feature_118 feature_119 feature_120 feature_121 feature_122 feature_123 feature_124 feature_125 feature_126 feature_127 feature_128 feature_129 ts_id
date 1.00 0.03 -0.01 -0.01 -0.01 -0.01 -0.01 0.00 -0.03 0.02 -0.00 -0.00 -0.01 -0.01 -0.01 -0.00 -0.05 0.00 -0.02 0.00 -0.03 0.00 -0.04 0.01 -0.01 0.00 -0.02 -0.01 -0.01 -0.00 -0.02 -0.00 -0.02 -0.01 -0.01 -0.00 -0.03 -0.01 -0.01 -0.00 -0.02 -0.01 -0.02 -0.01 -0.00 -0.00 -0.00 -0.00 0.03 -0.03 -0.13 -0.08 -0.14 -0.05 -0.06 -0.02 0.01 -0.05 0.01 -0.01 -0.06 -0.04 -0.09 -0.06 -0.08 -0.08 -0.07 -0.02 -0.02 -0.01 -0.01 -0.04 -0.02 -0.02 -0.04 -0.04 -0.03 -0.01 0.02 0.00 -0.00 0.00 -0.00 -0.00 0.00 -0.00 -0.00 0.00 -0.00 -0.00 0.01 -0.01 0.01 -0.00 0.00 0.01 -0.03 -0.09 -0.03 -0.06 -0.05 -0.03 -0.10 -0.01 0.02 -0.00 0.01 0.01 -0.03 -0.09 -0.02 -0.06 -0.05 -0.03 -0.10 -0.02 0.03 -0.00 0.01 0.02 -0.03 -0.09 -0.04 -0.07 -0.06 -0.05 -0.10 -0.06 -0.04 -0.05 -0.04 -0.06 -0.04 -0.05 -0.04 -0.05 -0.04 1.00
weight 0.03 1.00 -0.02 -0.01 -0.01 -0.01 -0.01 -0.01 -0.01 0.06 -0.00 -0.00 -0.00 -0.00 -0.02 -0.00 -0.06 0.02 -0.03 0.00 -0.04 0.01 -0.05 0.02 -0.01 -0.00 -0.03 -0.01 -0.01 -0.00 -0.01 0.00 -0.02 -0.00 -0.01 0.00 -0.03 -0.00 -0.01 0.01 -0.01 0.01 -0.02 -0.00 -0.00 -0.00 -0.00 0.00 0.34 -0.21 -0.17 -0.01 0.06 0.08 0.06 0.07 0.08 0.22 0.54 0.28 -0.18 0.02 -0.00 -0.01 0.00 0.00 0.00 0.01 0.01 0.00 -0.00 0.02 0.02 0.02 0.02 0.02 -0.01 0.25 0.07 0.00 0.00 0.00 0.00 0.00 0.02 0.00 0.00 0.00 0.00 0.00 0.01 -0.04 -0.04 -0.04 -0.04 -0.04 -0.03 0.05 0.03 0.04 0.04 0.03 0.07 -0.04 -0.04 -0.04 -0.04 -0.04 -0.03 0.06 0.02 0.04 0.03 0.02 0.07 -0.05 -0.05 -0.05 -0.05 -0.06 -0.03 0.05 0.06 0.05 0.05 0.05 0.06 -0.21 -0.02 -0.20 -0.01 -0.21 -0.02 -0.22 -0.01 -0.21 -0.01 0.03
resp_1 -0.01 -0.02 1.00 0.89 0.68 0.36 0.45 -0.01 0.05 0.04 0.02 0.02 0.02 0.02 0.03 0.03 0.04 0.03 0.04 0.03 0.04 0.02 0.04 0.03 0.00 0.01 0.02 0.02 0.00 0.00 0.01 0.01 0.01 0.01 0.04 0.03 0.03 0.02 0.04 0.02 0.03 0.02 0.03 0.02 -0.00 0.00 0.03 0.02 -0.01 0.02 0.02 0.01 0.00 -0.01 -0.00 -0.01 -0.01 -0.01 -0.02 -0.02 0.04 0.02 0.00 0.00 0.00 0.00 0.00 -0.00 -0.00 0.00 0.00 -0.00 -0.01 -0.00 -0.01 -0.01 0.05 0.03 0.04 -0.00 -0.00 -0.00 -0.00 -0.00 -0.01 0.00 -0.00 -0.00 -0.00 -0.00 -0.00 0.01 0.00 0.01 0.00 0.00 0.00 0.00 0.00 0.00 -0.00 0.00 -0.01 0.01 0.01 0.01 0.01 0.01 0.00 0.00 0.00 0.00 0.00 0.00 -0.00 0.01 0.01 0.01 0.01 0.01 0.00 0.00 0.00 0.00 0.00 0.00 -0.00 0.03 0.01 0.04 0.02 0.03 0.01 0.03 0.01 0.04 0.01 -0.01
resp_2 -0.01 -0.01 0.89 1.00 0.82 0.47 0.60 -0.01 0.04 0.03 0.02 0.02 0.02 0.02 0.03 0.03 0.04 0.03 0.04 0.02 0.03 0.02 0.03 0.02 -0.01 0.00 0.00 0.01 -0.01 -0.00 -0.00 -0.00 -0.00 0.00 0.04 0.03 0.03 0.02 0.04 0.03 0.04 0.02 0.03 0.02 -0.01 -0.00 0.03 0.02 -0.01 0.02 0.02 0.01 0.00 -0.01 -0.00 -0.01 -0.01 -0.01 -0.02 -0.02 0.04 0.02 0.00 0.01 0.00 0.00 0.00 -0.00 -0.00 0.00 0.00 -0.00 -0.00 -0.00 -0.01 -0.01 0.04 0.02 0.03 -0.00 0.00 -0.00 -0.00 0.00 -0.01 0.00 0.00 0.00 0.00 0.00 -0.00 0.01 0.01 0.01 0.00 0.00 0.00 0.00 0.00 0.00 -0.00 0.00 -0.00 0.01 0.00 0.01 0.01 0.00 0.01 0.00 -0.00 0.00 -0.00 -0.00 -0.00 0.01 0.01 0.01 0.01 0.01 0.01 0.00 0.00 0.00 -0.00 0.00 -0.00 0.03 0.01 0.03 0.01 0.03 0.01 0.03 0.01 0.03 0.01 -0.01
resp_3 -0.01 -0.01 0.68 0.82 1.00 0.81 0.82 -0.00 0.03 0.02 -0.00 -0.00 0.02 0.01 0.02 0.01 0.03 0.02 0.02 0.02 0.02 0.01 0.02 0.01 -0.00 0.00 0.01 0.01 -0.00 -0.00 -0.00 0.00 0.01 0.01 0.02 0.02 0.01 0.01 0.03 0.02 0.02 0.01 0.01 0.01 -0.01 -0.00 0.01 0.01 -0.01 0.02 0.01 0.01 0.00 -0.00 0.00 -0.00 -0.01 -0.00 -0.01 -0.01 0.03 0.01 0.01 0.01 0.01 0.01 0.01 -0.00 -0.00 0.00 0.00 -0.00 0.00 -0.00 -0.01 -0.01 0.03 0.01 0.02 -0.00 -0.00 -0.00 -0.00 -0.00 -0.01 -0.00 -0.00 -0.00 -0.00 -0.00 -0.01 0.01 0.00 0.00 -0.00 -0.00 0.01 0.00 -0.00 -0.00 -0.00 -0.00 -0.00 0.01 0.00 0.01 0.01 0.01 0.01 0.00 -0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.01 0.00 0.00 0.01 0.00 -0.00 0.00 -0.00 -0.00 0.00 0.02 0.00 0.02 0.01 0.02 0.00 0.02 0.00 0.02 0.01 -0.01
resp_4 -0.01 -0.01 0.36 0.47 0.81 1.00 0.96 -0.01 0.02 0.01 -0.01 -0.01 0.00 0.00 0.02 0.01 0.02 0.01 0.02 0.01 0.02 0.01 0.02 0.01 -0.02 -0.01 -0.00 -0.00 -0.02 -0.01 -0.02 -0.01 -0.01 -0.00 0.03 0.02 0.02 0.01 0.03 0.02 0.03 0.02 0.02 0.01 -0.02 -0.01 0.02 0.02 -0.01 0.02 0.01 0.01 0.00 0.00 0.00 -0.00 -0.00 -0.00 -0.01 -0.01 0.02 0.00 0.01 0.01 0.01 0.01 0.01 -0.00 -0.00 0.00 0.00 -0.00 0.00 0.00 -0.00 -0.00 0.01 0.00 0.01 -0.00 0.00 -0.00 -0.00 0.00 -0.01 -0.00 0.01 -0.00 0.00 0.00 -0.01 0.01 0.00 0.01 0.00 0.00 0.01 0.00 0.00 -0.00 -0.00 0.00 0.00 0.01 -0.00 0.01 0.00 0.00 0.01 0.01 -0.01 0.00 -0.00 -0.00 0.01 0.01 0.00 0.01 0.00 0.00 0.01 0.00 -0.00 0.00 -0.00 -0.00 0.01 0.02 -0.00 0.02 0.00 0.02 -0.00 0.02 -0.00 0.02 0.00 -0.01
resp -0.01 -0.01 0.45 0.60 0.82 0.96 1.00 -0.02 0.02 0.01 0.00 0.00 0.00 0.00 0.02 0.01 0.02 0.01 0.02 0.01 0.02 0.01 0.02 0.01 -0.03 -0.02 -0.01 -0.01 -0.03 -0.02 -0.02 -0.02 -0.02 -0.01 0.05 0.03 0.03 0.02 0.05 0.03 0.04 0.02 0.03 0.02 -0.03 -0.02 0.04 0.03 -0.01 0.02 0.02 0.01 0.00 -0.00 0.00 -0.00 -0.00 -0.01 -0.01 -0.01 0.02 0.00 0.01 0.01 0.01 0.01 0.01 0.00 0.00 0.00 0.00 -0.00 -0.00 -0.00 -0.00 -0.00 0.02 0.00 0.01 -0.00 0.01 -0.00 0.00 0.01 -0.01 0.00 0.01 0.00 0.00 0.01 -0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.00 0.01 0.00 0.00 0.00 0.00 0.01 -0.01 0.01 0.00 -0.00 0.01 0.00 -0.01 0.00 -0.00 -0.01 0.01 0.01 0.00 0.01 0.01 0.00 0.01 0.00 -0.00 0.00 -0.00 -0.00 0.01 0.02 -0.00 0.02 0.00 0.02 -0.00 0.02 0.00 0.02 0.00 -0.01
feature_0 0.00 -0.01 -0.01 -0.01 -0.00 -0.01 -0.02 1.00 0.02 0.02 -0.02 -0.01 -0.01 0.03 -0.02 -0.01 0.03 0.03 -0.01 -0.00 0.02 0.02 0.03 0.03 0.66 0.67 0.69 0.73 0.71 0.63 0.70 0.71 0.71 0.73 -0.65 -0.67 -0.71 -0.74 -0.66 -0.69 -0.69 -0.67 -0.73 -0.73 0.72 0.74 -0.71 -0.75 -0.01 0.01 0.01 -0.01 -0.00 0.02 0.02 0.02 0.01 0.02 0.00 -0.01 0.02 0.00 -0.00 0.00 -0.00 -0.00 -0.00 -0.01 -0.01 0.01 0.01 -0.00 0.03 0.02 -0.04 -0.04 0.03 0.02 0.02 -0.12 -0.58 -0.22 -0.37 -0.53 -0.02 -0.13 -0.52 -0.20 -0.35 -0.45 -0.02 -0.04 -0.51 -0.10 -0.29 -0.45 -0.01 -0.05 -0.52 -0.11 -0.22 -0.36 -0.01 0.06 0.52 0.15 0.23 0.41 -0.00 0.06 0.44 0.11 0.22 0.41 0.00 0.01 0.02 0.01 0.01 0.02 -0.00 0.01 0.02 0.01 0.01 0.02 -0.00 0.01 0.00 0.02 0.00 0.01 -0.00 0.01 0.00 0.02 0.00 0.00
feature_1 -0.03 -0.01 0.05 0.04 0.03 0.02 0.02 0.02 1.00 0.86 0.01 0.01 0.00 -0.00 0.12 0.08 0.72 0.58 0.22 0.16 0.39 0.28 0.62 0.49 0.12 0.08 0.27 0.22 0.15 0.12 0.20 0.16 0.24 0.20 0.06 0.04 0.21 0.16 0.10 0.08 0.15 0.12 0.17 0.15 0.05 0.03 0.00 -0.00 -0.32 0.44 0.33 0.02 -0.17 0.23 0.47 0.30 0.17 0.08 -0.01 -0.15 0.46 0.07 0.07 0.06 0.07 0.07 0.06 0.02 0.02 0.03 0.03 0.00 -0.02 -0.02 -0.02 -0.02 0.91 0.54 0.75 -0.01 -0.04 -0.01 -0.03 -0.04 -0.03 -0.00 -0.04 -0.01 -0.02 -0.03 -0.01 0.09 0.16 0.11 0.13 0.14 0.08 -0.12 0.04 -0.08 -0.04 0.01 -0.14 0.11 0.21 0.13 0.16 0.20 0.08 -0.12 0.10 -0.06 -0.02 0.05 -0.13 0.13 0.39 0.15 0.21 0.34 0.09 -0.12 0.17 -0.07 -0.01 0.10 -0.13 0.42 -0.04 0.43 -0.02 0.43 -0.03 0.44 -0.03 0.44 -0.03 -0.03
feature_2 0.02 0.06 0.04 0.03 0.02 0.01 0.01 0.02 0.86 1.00 0.01 0.01 -0.01 -0.01 0.08 0.09 0.55 0.67 0.15 0.19 0.29 0.32 0.47 0.56 0.08 0.09 0.21 0.25 0.11 0.13 0.15 0.17 0.18 0.22 0.04 0.05 0.17 0.20 0.08 0.09 0.11 0.14 0.14 0.18 0.03 0.03 0.00 0.01 -0.23 0.15 -0.09 0.00 -0.19 0.11 0.22 0.20 0.18 0.07 0.08 -0.14 0.24 0.15 0.05 0.05 0.05 0.05 0.04 0.01 0.01 0.02 0.02 -0.01 -0.02 -0.02 -0.03 -0.04 0.75 0.70 0.89 -0.00 -0.03 -0.01 -0.02 -0.03 0.01 0.00 -0.03 -0.00 -0.02 -0.02 0.02 0.07 0.18 0.10 0.15 0.17 0.02 -0.16 0.04 -0.10 -0.05 0.01 -0.21 0.08 0.22 0.12 0.16 0.21 0.01 -0.16 0.08 -0.09 -0.03 0.04 -0.21 0.10 0.42 0.14 0.22 0.37 0.02 -0.16 0.16 -0.10 -0.03 0.08 -0.20 0.18 0.05 0.20 0.08 0.18 0.06 0.20 0.07 0.20 0.07 0.02
feature_3 -0.00 -0.00 0.02 0.02 -0.00 -0.01 0.00 -0.02 0.01 0.01 1.00 0.91 0.70 0.59 0.37 0.34 0.05 0.05 0.24 0.21 0.14 0.13 0.08 0.07 0.12 0.12 0.01 0.02 0.05 0.07 0.02 0.04 0.01 0.02 0.21 0.17 0.05 0.03 0.14 0.12 0.10 0.08 0.06 0.04 0.42 0.41 0.46 0.42 -0.01 0.03 0.02 -0.02 -0.02 0.02 0.02 0.02 0.01 0.00 0.00 -0.03 0.05 0.02 0.00 0.01 0.00 0.00 0.00 0.02 0.02 0.03 0.03 0.02 -0.01 -0.00 -0.03 -0.02 0.04 0.02 0.03 -0.01 0.01 -0.01 -0.01 0.00 -0.01 -0.01 0.01 -0.01 -0.00 0.00 -0.01 -0.02 0.04 -0.00 0.01 0.03 -0.02 -0.02 0.03 -0.01 0.00 0.03 -0.02 -0.01 0.03 0.00 0.02 0.03 -0.01 -0.01 0.02 -0.00 0.01 0.02 -0.01 -0.01 0.06 0.00 0.02 0.05 -0.01 -0.01 0.05 -0.00 0.02 0.04 -0.01 0.03 -0.00 0.04 0.01 0.04 0.00 0.04 0.01 0.04 0.01 -0.00
feature_4 -0.00 -0.00 0.02 0.02 -0.00 -0.01 0.00 -0.01 0.01 0.01 0.91 1.00 0.63 0.65 0.36 0.40 0.04 0.05 0.23 0.26 0.14 0.16 0.07 0.08 0.13 0.16 0.02 0.03 0.07 0.10 0.04 0.06 0.02 0.03 0.18 0.19 0.03 0.02 0.12 0.12 0.08 0.08 0.04 0.04 0.40 0.46 0.41 0.45 -0.01 0.01 -0.00 -0.02 -0.01 0.01 0.01 0.01 0.01 0.00 0.01 -0.02 0.03 0.03 0.00 0.01 0.00 0.00 0.01 0.02 0.02 0.03 0.03 0.02 -0.01 -0.01 -0.02 -0.02 0.03 0.02 0.04 -0.01 -0.00 -0.01 -0.01 -0.00 -0.01 -0.00 0.00 -0.00 -0.00 -0.00 -0.00 -0.01 0.03 0.00 0.01 0.03 -0.01 -0.01 0.03 -0.00 0.01 0.03 -0.02 -0.01 0.03 0.01 0.02 0.03 -0.01 -0.01 0.03 0.01 0.02 0.03 -0.01 -0.00 0.06 0.01 0.03 0.05 -0.01 -0.01 0.05 0.01 0.03 0.04 -0.01 0.01 0.00 0.02 0.02 0.02 0.01 0.02 0.01 0.02 0.02 -0.00
feature_5 -0.01 -0.00 0.02 0.02 0.02 0.00 0.00 -0.01 0.00 -0.01 0.70 0.63 1.00 0.91 0.28 0.25 0.04 0.03 0.18 0.16 0.11 0.09 0.06 0.04 0.08 0.11 0.01 0.04 0.03 0.07 0.01 0.04 0.00 0.03 0.18 0.12 0.04 -0.00 0.12 0.07 0.08 0.04 0.05 0.01 0.29 0.32 0.35 0.29 -0.01 0.03 0.02 -0.02 -0.02 -0.00 0.02 0.01 0.00 -0.01 -0.01 -0.03 0.04 0.02 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.02 0.02 0.02 -0.01 -0.00 -0.02 -0.02 0.03 0.01 0.02 -0.01 0.00 -0.01 -0.01 -0.00 -0.01 -0.01 0.00 -0.01 -0.01 -0.00 -0.00 -0.02 0.03 -0.01 -0.00 0.02 -0.02 -0.02 0.03 -0.01 -0.00 0.02 -0.02 -0.01 0.02 0.00 0.01 0.03 -0.01 -0.02 0.02 -0.00 0.01 0.02 -0.02 -0.01 0.04 -0.00 0.02 0.04 -0.02 -0.02 0.04 -0.00 0.01 0.03 -0.02 0.03 -0.00 0.04 0.01 0.03 0.00 0.03 0.00 0.03 0.01 -0.01
feature_6 -0.01 -0.00 0.02 0.02 0.01 0.00 0.00 0.03 -0.00 -0.01 0.59 0.65 0.91 1.00 0.25 0.28 0.03 0.03 0.16 0.17 0.09 0.10 0.04 0.04 0.11 0.15 0.03 0.06 0.07 0.11 0.04 0.08 0.03 0.06 0.12 0.10 0.00 -0.03 0.07 0.05 0.04 0.02 0.01 -0.02 0.29 0.36 0.26 0.25 -0.00 0.01 0.01 -0.02 -0.02 -0.00 0.01 0.00 -0.00 -0.01 -0.00 -0.02 0.03 0.02 0.01 0.01 0.01 0.01 0.01 0.02 0.02 0.02 0.02 0.02 -0.01 -0.00 -0.01 -0.01 0.02 0.01 0.02 -0.01 -0.01 -0.01 -0.02 -0.02 -0.01 -0.01 -0.01 -0.01 -0.01 -0.01 -0.00 -0.02 0.01 -0.00 -0.00 0.01 -0.02 -0.02 0.01 -0.01 0.00 0.01 -0.02 -0.01 0.04 0.01 0.02 0.04 -0.01 -0.01 0.03 0.00 0.02 0.03 -0.01 -0.01 0.04 0.00 0.02 0.04 -0.01 -0.01 0.04 0.00 0.02 0.03 -0.01 0.02 -0.00 0.02 0.01 0.02 0.00 0.02 0.01 0.02 0.01 -0.01
feature_7 -0.01 -0.02 0.03 0.03 0.02 0.02 0.02 -0.02 0.12 0.08 0.37 0.36 0.28 0.25 1.00 0.90 0.20 0.16 0.59 0.53 0.38 0.33 0.24 0.20 0.40 0.37 0.05 0.05 0.18 0.20 0.10 0.10 0.05 0.05 0.49 0.43 0.10 0.07 0.29 0.25 0.19 0.16 0.11 0.09 0.23 0.23 0.28 0.26 -0.07 0.12 0.09 -0.02 -0.05 0.05 0.10 0.06 0.03 0.00 -0.02 -0.05 0.16 0.06 0.01 0.02 0.01 0.01 0.01 0.02 0.02 0.03 0.03 0.01 -0.01 -0.01 -0.03 -0.03 0.15 0.05 0.11 -0.01 0.01 -0.00 -0.00 0.00 -0.02 -0.01 0.01 -0.00 -0.00 0.00 -0.01 -0.02 0.06 0.00 0.02 0.05 -0.01 -0.05 0.04 -0.03 -0.01 0.02 -0.05 -0.01 0.05 0.01 0.03 0.04 -0.00 -0.05 0.03 -0.03 -0.00 0.01 -0.05 -0.00 0.11 0.02 0.05 0.10 -0.01 -0.05 0.06 -0.02 0.01 0.04 -0.05 0.13 -0.00 0.14 0.03 0.14 0.01 0.14 0.02 0.14 0.03 -0.01
feature_8 -0.00 -0.00 0.03 0.03 0.01 0.01 0.01 -0.01 0.08 0.09 0.34 0.40 0.25 0.28 0.90 1.00 0.14 0.18 0.53 0.60 0.33 0.38 0.19 0.22 0.37 0.43 0.04 0.05 0.18 0.24 0.09 0.12 0.04 0.07 0.42 0.46 0.07 0.07 0.26 0.27 0.16 0.18 0.09 0.10 0.21 0.25 0.24 0.27 -0.05 0.04 -0.01 -0.01 -0.04 0.02 0.04 0.03 0.03 0.00 0.01 -0.04 0.09 0.08 0.01 0.02 0.01 0.01 0.01 0.02 0.02 0.03 0.03 0.02 -0.02 -0.01 -0.03 -0.03 0.11 0.08 0.13 -0.00 0.01 -0.00 -0.00 0.00 -0.01 0.00 0.00 0.00 -0.00 0.00 0.00 -0.00 0.06 0.02 0.04 0.06 -0.01 -0.04 0.03 -0.01 0.01 0.03 -0.05 0.00 0.05 0.02 0.04 0.05 -0.01 -0.04 0.03 -0.01 0.01 0.02 -0.05 0.01 0.11 0.03 0.06 0.10 -0.01 -0.03 0.06 -0.00 0.02 0.05 -0.05 0.06 0.02 0.08 0.06 0.06 0.04 0.07 0.05 0.07 0.05 -0.00
feature_9 -0.05 -0.06 0.04 0.04 0.03 0.02 0.02 0.03 0.72 0.55 0.05 0.04 0.04 0.03 0.20 0.14 1.00 0.83 0.34 0.26 0.57 0.42 0.86 0.70 0.18 0.14 0.39 0.31 0.24 0.19 0.30 0.24 0.35 0.29 0.10 0.08 0.28 0.22 0.16 0.13 0.22 0.18 0.24 0.21 0.09 0.07 0.02 0.02 -0.39 0.57 0.42 0.00 -0.20 0.24 0.53 0.32 0.16 0.06 -0.06 -0.16 0.67 0.19 0.07 0.05 0.07 0.07 0.05 0.02 0.02 0.02 0.03 -0.02 -0.04 -0.04 -0.05 -0.05 0.77 0.31 0.58 -0.01 -0.05 -0.02 -0.03 -0.04 -0.04 -0.01 -0.04 -0.01 -0.02 -0.04 -0.02 0.08 0.15 0.10 0.12 0.13 0.06 -0.17 0.01 -0.12 -0.08 -0.01 -0.19 0.10 0.21 0.13 0.16 0.20 0.07 -0.17 0.08 -0.10 -0.04 0.03 -0.18 0.12 0.40 0.14 0.21 0.35 0.07 -0.16 0.15 -0.11 -0.04 0.07 -0.18 0.57 -0.02 0.61 0.05 0.59 -0.00 0.61 0.01 0.61 0.03 -0.05
feature_10 0.00 0.02 0.03 0.03 0.02 0.01 0.01 0.03 0.58 0.67 0.05 0.05 0.03 0.03 0.16 0.18 0.83 1.00 0.27 0.32 0.47 0.51 0.71 0.84 0.14 0.16 0.32 0.37 0.19 0.22 0.25 0.27 0.30 0.34 0.08 0.10 0.24 0.28 0.13 0.16 0.19 0.22 0.21 0.27 0.07 0.08 0.02 0.03 -0.28 0.23 -0.04 -0.01 -0.21 0.11 0.25 0.21 0.18 0.05 0.04 -0.16 0.41 0.30 0.04 0.05 0.05 0.05 0.04 -0.00 -0.00 0.02 0.02 -0.03 -0.05 -0.04 -0.06 -0.06 0.61 0.48 0.72 -0.00 -0.04 -0.01 -0.03 -0.04 0.00 0.00 -0.03 -0.01 -0.02 -0.03 0.02 0.06 0.19 0.10 0.15 0.17 -0.01 -0.20 0.03 -0.13 -0.07 0.00 -0.26 0.07 0.23 0.13 0.17 0.22 -0.01 -0.21 0.08 -0.11 -0.05 0.03 -0.26 0.10 0.45 0.14 0.23 0.40 -0.00 -0.20 0.15 -0.13 -0.04 0.08 -0.25 0.28 0.08 0.34 0.17 0.30 0.11 0.32 0.13 0.34 0.15 0.01
feature_11 -0.02 -0.03 0.04 0.04 0.02 0.02 0.02 -0.01 0.22 0.15 0.24 0.23 0.18 0.16 0.59 0.53 0.34 0.27 1.00 0.90 0.64 0.56 0.41 0.34 0.35 0.32 0.12 0.10 0.38 0.39 0.23 0.21 0.13 0.12 0.38 0.34 0.12 0.09 0.45 0.39 0.26 0.24 0.14 0.12 0.17 0.17 0.18 0.17 -0.13 0.21 0.15 -0.02 -0.08 0.08 0.18 0.11 0.05 0.01 -0.02 -0.07 0.25 0.08 0.02 0.03 0.02 0.02 0.02 0.02 0.02 0.03 0.03 0.01 -0.02 -0.01 -0.03 -0.03 0.26 0.09 0.19 -0.01 -0.01 -0.01 -0.01 -0.01 -0.02 -0.01 -0.01 -0.01 -0.01 -0.01 -0.01 0.00 0.07 0.01 0.03 0.06 0.00 -0.07 0.03 -0.05 -0.03 0.01 -0.07 0.01 0.08 0.02 0.05 0.08 0.01 -0.07 0.04 -0.04 -0.01 0.02 -0.07 0.02 0.16 0.04 0.08 0.14 0.01 -0.07 0.08 -0.04 -0.00 0.05 -0.07 0.21 -0.01 0.23 0.04 0.22 0.00 0.22 0.02 0.23 0.03 -0.02
feature_12 0.00 0.00 0.03 0.02 0.02 0.01 0.01 -0.00 0.16 0.19 0.21 0.26 0.16 0.17 0.53 0.60 0.26 0.32 0.90 1.00 0.57 0.64 0.33 0.39 0.32 0.36 0.10 0.11 0.35 0.44 0.20 0.24 0.11 0.14 0.33 0.37 0.10 0.10 0.40 0.43 0.23 0.27 0.12 0.14 0.16 0.19 0.16 0.19 -0.09 0.09 -0.01 -0.01 -0.08 0.04 0.08 0.07 0.06 0.01 0.01 -0.07 0.16 0.12 0.01 0.03 0.01 0.02 0.02 0.02 0.02 0.03 0.03 0.01 -0.02 -0.02 -0.04 -0.03 0.20 0.15 0.24 -0.00 -0.01 -0.01 -0.01 -0.01 -0.01 0.00 -0.01 -0.00 -0.01 -0.01 0.00 0.01 0.09 0.03 0.05 0.08 -0.01 -0.07 0.03 -0.04 -0.01 0.02 -0.09 0.01 0.09 0.03 0.06 0.09 -0.01 -0.07 0.04 -0.03 -0.00 0.03 -0.09 0.03 0.18 0.05 0.10 0.16 -0.00 -0.07 0.08 -0.03 0.01 0.06 -0.09 0.10 0.02 0.13 0.08 0.11 0.04 0.12 0.05 0.13 0.07 0.00
feature_13 -0.03 -0.04 0.04 0.03 0.02 0.02 0.02 0.02 0.39 0.29 0.14 0.14 0.11 0.09 0.38 0.33 0.57 0.47 0.64 0.57 1.00 0.88 0.67 0.57 0.28 0.25 0.23 0.19 0.36 0.34 0.40 0.36 0.25 0.22 0.24 0.21 0.17 0.13 0.35 0.30 0.37 0.34 0.19 0.17 0.14 0.13 0.11 0.10 -0.23 0.34 0.24 -0.01 -0.13 0.14 0.31 0.19 0.10 0.03 -0.04 -0.11 0.40 0.12 0.04 0.03 0.04 0.04 0.03 0.02 0.02 0.03 0.03 0.00 -0.03 -0.02 -0.04 -0.03 0.45 0.17 0.33 -0.01 -0.03 -0.01 -0.03 -0.03 -0.03 -0.01 -0.03 -0.01 -0.02 -0.02 -0.01 0.03 0.10 0.04 0.05 0.09 0.02 -0.11 0.03 -0.08 -0.05 0.01 -0.12 0.04 0.14 0.06 0.09 0.13 0.03 -0.11 0.07 -0.06 -0.02 0.03 -0.11 0.06 0.26 0.07 0.13 0.23 0.03 -0.11 0.12 -0.07 -0.01 0.07 -0.11 0.35 -0.02 0.37 0.04 0.36 -0.00 0.36 0.01 0.37 0.03 -0.03
feature_14 0.00 0.01 0.02 0.02 0.01 0.01 0.01 0.02 0.28 0.32 0.13 0.16 0.09 0.10 0.33 0.38 0.42 0.51 0.56 0.64 0.88 1.00 0.54 0.63 0.24 0.27 0.17 0.20 0.32 0.39 0.35 0.40 0.20 0.24 0.21 0.24 0.13 0.14 0.31 0.34 0.33 0.39 0.16 0.20 0.12 0.14 0.09 0.11 -0.15 0.13 -0.02 -0.01 -0.12 0.06 0.13 0.11 0.10 0.02 0.02 -0.09 0.23 0.18 0.02 0.04 0.03 0.03 0.03 0.01 0.01 0.03 0.03 -0.00 -0.03 -0.02 -0.04 -0.04 0.32 0.24 0.38 -0.00 -0.02 -0.01 -0.02 -0.02 -0.00 0.00 -0.02 -0.00 -0.01 -0.02 0.01 0.03 0.11 0.06 0.08 0.11 -0.00 -0.10 0.03 -0.06 -0.02 0.02 -0.14 0.04 0.14 0.07 0.10 0.14 -0.00 -0.11 0.06 -0.05 -0.01 0.04 -0.14 0.06 0.26 0.08 0.15 0.24 0.00 -0.10 0.10 -0.05 0.01 0.07 -0.13 0.16 0.04 0.19 0.11 0.17 0.06 0.18 0.07 0.19 0.09 0.00
feature_15 -0.04 -0.05 0.04 0.03 0.02 0.02 0.02 0.03 0.62 0.47 0.08 0.07 0.06 0.04 0.24 0.19 0.86 0.71 0.41 0.33 0.67 0.54 1.00 0.85 0.21 0.17 0.35 0.28 0.28 0.23 0.35 0.30 0.39 0.33 0.13 0.11 0.24 0.19 0.21 0.17 0.27 0.23 0.27 0.25 0.11 0.09 0.04 0.04 -0.33 0.49 0.36 -0.00 -0.18 0.21 0.45 0.28 0.14 0.05 -0.05 -0.14 0.58 0.17 0.06 0.05 0.06 0.06 0.05 0.02 0.02 0.03 0.03 -0.01 -0.04 -0.03 -0.05 -0.04 0.67 0.27 0.50 -0.01 -0.04 -0.02 -0.03 -0.04 -0.04 -0.01 -0.04 -0.01 -0.02 -0.03 -0.01 0.07 0.13 0.09 0.10 0.12 0.04 -0.14 0.02 -0.10 -0.06 -0.00 -0.17 0.08 0.19 0.11 0.14 0.18 0.05 -0.14 0.09 -0.08 -0.03 0.04 -0.16 0.10 0.36 0.12 0.19 0.32 0.05 -0.14 0.15 -0.09 -0.02 0.08 -0.15 0.50 -0.02 0.53 0.05 0.51 0.00 0.52 0.02 0.53 0.04 -0.04
feature_16 0.01 0.02 0.03 0.02 0.01 0.01 0.01 0.03 0.49 0.56 0.07 0.08 0.04 0.04 0.20 0.22 0.70 0.84 0.34 0.39 0.57 0.63 0.85 1.00 0.17 0.19 0.27 0.31 0.23 0.27 0.30 0.33 0.32 0.37 0.11 0.13 0.20 0.22 0.18 0.21 0.24 0.28 0.24 0.30 0.09 0.09 0.04 0.05 -0.26 0.21 -0.03 -0.01 -0.20 0.10 0.22 0.19 0.16 0.04 0.03 -0.15 0.36 0.26 0.04 0.05 0.04 0.04 0.04 0.00 0.00 0.02 0.02 -0.02 -0.04 -0.04 -0.06 -0.06 0.52 0.40 0.61 -0.00 -0.03 -0.01 -0.02 -0.03 0.00 0.00 -0.03 -0.01 -0.02 -0.02 0.02 0.05 0.17 0.09 0.13 0.15 -0.01 -0.18 0.03 -0.11 -0.06 0.01 -0.23 0.06 0.21 0.11 0.15 0.20 -0.01 -0.19 0.08 -0.10 -0.04 0.03 -0.23 0.09 0.40 0.13 0.21 0.36 -0.00 -0.18 0.14 -0.11 -0.03 0.09 -0.22 0.25 0.06 0.30 0.15 0.27 0.09 0.29 0.11 0.30 0.13 0.01
feature_17 -0.01 -0.01 0.00 -0.01 -0.00 -0.02 -0.03 0.66 0.12 0.08 0.12 0.13 0.08 0.11 0.40 0.37 0.18 0.14 0.35 0.32 0.28 0.24 0.21 0.17 1.00 0.91 0.68 0.61 0.89 0.77 0.80 0.72 0.72 0.65 -0.50 -0.46 -0.57 -0.52 -0.54 -0.50 -0.58 -0.50 -0.61 -0.53 0.76 0.70 -0.54 -0.49 -0.06 0.10 0.08 -0.01 -0.04 0.05 0.10 0.06 0.03 0.02 -0.01 -0.04 0.13 0.05 -0.00 0.01 0.00 0.01 0.01 0.01 0.01 0.02 0.02 -0.00 0.00 -0.00 -0.05 -0.05 0.14 0.06 0.10 -0.07 -0.40 -0.15 -0.26 -0.37 -0.01 -0.07 -0.34 -0.13 -0.23 -0.30 -0.01 -0.02 -0.31 -0.06 -0.17 -0.27 -0.01 -0.05 -0.32 -0.09 -0.15 -0.22 -0.04 0.04 0.39 0.11 0.18 0.31 -0.00 0.01 0.31 0.06 0.14 0.27 -0.03 0.02 0.09 0.03 0.05 0.08 -0.00 -0.02 0.06 -0.00 0.02 0.04 -0.04 0.11 0.00 0.12 0.03 0.12 0.01 0.12 0.02 0.12 0.02 -0.01
feature_18 0.00 -0.00 0.01 0.00 0.00 -0.01 -0.02 0.67 0.08 0.09 0.12 0.16 0.11 0.15 0.37 0.43 0.14 0.16 0.32 0.36 0.25 0.27 0.17 0.19 0.91 1.00 0.59 0.66 0.81 0.86 0.72 0.79 0.64 0.70 -0.45 -0.50 -0.51 -0.57 -0.48 -0.54 -0.52 -0.55 -0.54 -0.58 0.67 0.75 -0.46 -0.51 -0.04 0.05 0.01 -0.01 -0.03 0.03 0.05 0.04 0.03 0.01 0.00 -0.04 0.08 0.06 0.00 0.01 0.00 0.01 0.01 0.00 0.00 0.02 0.02 -0.00 0.01 0.00 -0.05 -0.05 0.11 0.08 0.11 -0.08 -0.40 -0.16 -0.26 -0.37 -0.01 -0.07 -0.33 -0.13 -0.23 -0.29 -0.01 -0.02 -0.31 -0.06 -0.17 -0.27 -0.01 -0.05 -0.32 -0.09 -0.15 -0.22 -0.04 0.04 0.39 0.12 0.19 0.31 -0.01 0.01 0.30 0.06 0.14 0.27 -0.04 0.02 0.09 0.03 0.05 0.08 -0.01 -0.02 0.05 -0.00 0.02 0.04 -0.04 0.06 0.02 0.07 0.04 0.06 0.03 0.07 0.03 0.07 0.04 0.00
feature_19 -0.02 -0.03 0.02 0.00 0.01 -0.00 -0.01 0.69 0.27 0.21 0.01 0.02 0.01 0.03 0.05 0.04 0.39 0.32 0.12 0.10 0.23 0.17 0.35 0.27 0.68 0.59 1.00 0.89 0.77 0.61 0.85 0.74 0.96 0.84 -0.55 -0.50 -0.67 -0.61 -0.57 -0.52 -0.61 -0.52 -0.68 -0.59 0.63 0.56 -0.57 -0.52 -0.11 0.18 0.14 0.01 -0.04 0.09 0.17 0.11 0.05 0.03 -0.02 -0.08 0.26 0.12 0.02 0.03 0.02 0.02 0.02 -0.01 -0.01 0.02 0.02 -0.02 -0.00 -0.01 -0.07 -0.07 0.29 0.15 0.22 -0.13 -0.60 -0.23 -0.39 -0.55 -0.04 -0.11 -0.47 -0.17 -0.30 -0.40 -0.03 -0.00 -0.42 -0.05 -0.21 -0.37 0.01 -0.06 -0.39 -0.10 -0.18 -0.28 -0.05 0.11 0.57 0.21 0.30 0.48 0.02 0.05 0.42 0.11 0.21 0.38 -0.04 0.06 0.15 0.08 0.10 0.14 0.02 -0.01 0.10 0.02 0.04 0.08 -0.04 0.20 0.01 0.23 0.06 0.21 0.03 0.22 0.03 0.23 0.05 -0.02
feature_20 -0.01 -0.01 0.02 0.01 0.01 -0.00 -0.01 0.73 0.22 0.25 0.02 0.03 0.04 0.06 0.05 0.05 0.31 0.37 0.10 0.11 0.19 0.20 0.28 0.31 0.61 0.66 0.89 1.00 0.70 0.70 0.77 0.84 0.86 0.95 -0.50 -0.56 -0.62 -0.69 -0.53 -0.59 -0.57 -0.59 -0.63 -0.67 0.56 0.61 -0.50 -0.57 -0.07 0.07 0.01 0.00 -0.04 0.05 0.07 0.06 0.05 0.02 0.00 -0.08 0.17 0.16 0.01 0.03 0.02 0.02 0.02 -0.01 -0.01 0.02 0.02 -0.02 0.00 -0.00 -0.08 -0.07 0.23 0.20 0.26 -0.14 -0.63 -0.25 -0.41 -0.58 -0.03 -0.12 -0.46 -0.18 -0.31 -0.40 -0.02 -0.01 -0.44 -0.06 -0.22 -0.38 -0.01 -0.07 -0.39 -0.10 -0.18 -0.28 -0.07 0.10 0.59 0.21 0.32 0.51 0.00 0.04 0.41 0.10 0.21 0.38 -0.05 0.06 0.16 0.07 0.10 0.15 -0.00 -0.02 0.10 0.01 0.04 0.08 -0.06 0.10 0.04 0.14 0.10 0.11 0.06 0.12 0.07 0.13 0.08 -0.00
feature_21 -0.01 -0.01 0.00 -0.01 -0.00 -0.02 -0.03 0.71 0.15 0.11 0.05 0.07 0.03 0.07 0.18 0.18 0.24 0.19 0.38 0.35 0.36 0.32 0.28 0.23 0.89 0.81 0.77 0.70 1.00 0.89 0.91 0.83 0.82 0.75 -0.57 -0.53 -0.62 -0.57 -0.56 -0.52 -0.61 -0.53 -0.65 -0.58 0.71 0.66 -0.58 -0.54 -0.07 0.12 0.09 -0.01 -0.04 0.07 0.12 0.07 0.03 0.02 -0.01 -0.05 0.16 0.06 0.01 0.01 0.01 0.01 0.01 0.00 0.00 0.02 0.02 -0.00 0.01 0.00 -0.05 -0.05 0.18 0.08 0.13 -0.08 -0.45 -0.16 -0.29 -0.41 -0.02 -0.08 -0.37 -0.13 -0.24 -0.32 -0.01 -0.01 -0.35 -0.05 -0.18 -0.30 -0.00 -0.06 -0.34 -0.09 -0.16 -0.24 -0.04 0.06 0.43 0.13 0.21 0.35 0.01 0.02 0.33 0.06 0.15 0.29 -0.03 0.03 0.10 0.04 0.06 0.09 0.01 -0.02 0.07 -0.00 0.02 0.05 -0.03 0.13 -0.00 0.14 0.03 0.13 0.01 0.14 0.01 0.14 0.02 -0.01
feature_22 -0.00 -0.00 0.00 -0.00 -0.00 -0.01 -0.02 0.63 0.12 0.13 0.07 0.10 0.07 0.11 0.20 0.24 0.19 0.22 0.39 0.44 0.34 0.39 0.23 0.27 0.77 0.86 0.61 0.70 0.89 1.00 0.79 0.88 0.68 0.76 -0.46 -0.52 -0.49 -0.56 -0.46 -0.52 -0.50 -0.53 -0.53 -0.57 0.58 0.65 -0.44 -0.49 -0.05 0.05 0.00 -0.00 -0.04 0.03 0.05 0.04 0.03 0.02 0.01 -0.05 0.10 0.09 0.01 0.02 0.01 0.02 0.02 -0.00 -0.00 0.02 0.02 -0.01 0.00 -0.00 -0.06 -0.05 0.14 0.11 0.15 -0.08 -0.39 -0.15 -0.26 -0.36 -0.02 -0.07 -0.31 -0.12 -0.21 -0.27 -0.01 -0.00 -0.29 -0.03 -0.14 -0.25 -0.01 -0.05 -0.29 -0.07 -0.13 -0.20 -0.05 0.06 0.38 0.13 0.20 0.31 -0.00 0.01 0.28 0.06 0.13 0.25 -0.04 0.04 0.10 0.05 0.07 0.09 -0.00 -0.02 0.05 0.00 0.02 0.04 -0.04 0.07 0.02 0.09 0.06 0.07 0.03 0.08 0.04 0.09 0.05 -0.00
feature_23 -0.02 -0.01 0.01 -0.00 -0.00 -0.02 -0.02 0.70 0.20 0.15 0.02 0.04 0.01 0.04 0.10 0.09 0.30 0.25 0.23 0.20 0.40 0.35 0.35 0.30 0.80 0.72 0.85 0.77 0.91 0.79 1.00 0.91 0.90 0.82 -0.59 -0.54 -0.63 -0.59 -0.58 -0.54 -0.60 -0.53 -0.66 -0.58 0.67 0.61 -0.59 -0.54 -0.08 0.14 0.11 0.01 -0.04 0.08 0.13 0.08 0.04 0.03 -0.01 -0.06 0.19 0.09 0.01 0.02 0.02 0.02 0.02 0.00 0.00 0.02 0.02 -0.01 0.00 -0.00 -0.06 -0.06 0.22 0.11 0.16 -0.10 -0.49 -0.18 -0.31 -0.45 -0.03 -0.09 -0.39 -0.14 -0.25 -0.34 -0.02 0.00 -0.37 -0.04 -0.17 -0.31 0.01 -0.04 -0.35 -0.08 -0.15 -0.24 -0.04 0.09 0.46 0.16 0.24 0.38 0.02 0.04 0.35 0.08 0.17 0.31 -0.03 0.05 0.11 0.06 0.08 0.11 0.02 -0.00 0.07 0.01 0.04 0.06 -0.03 0.15 0.01 0.17 0.04 0.16 0.01 0.16 0.02 0.17 0.03 -0.02
feature_24 -0.00 0.00 0.01 -0.00 0.00 -0.01 -0.02 0.71 0.16 0.17 0.04 0.06 0.04 0.08 0.10 0.12 0.24 0.27 0.21 0.24 0.36 0.40 0.30 0.33 0.72 0.79 0.74 0.84 0.83 0.88 0.91 1.00 0.80 0.90 -0.52 -0.58 -0.57 -0.64 -0.53 -0.59 -0.55 -0.58 -0.59 -0.64 0.59 0.65 -0.50 -0.56 -0.06 0.06 0.01 0.00 -0.04 0.04 0.06 0.05 0.04 0.02 0.01 -0.06 0.13 0.11 0.01 0.02 0.01 0.02 0.02 -0.00 -0.00 0.02 0.02 -0.01 0.00 -0.00 -0.06 -0.06 0.17 0.14 0.18 -0.11 -0.50 -0.19 -0.32 -0.46 -0.02 -0.09 -0.38 -0.14 -0.25 -0.33 -0.01 -0.00 -0.37 -0.04 -0.17 -0.31 -0.00 -0.05 -0.34 -0.08 -0.15 -0.24 -0.05 0.08 0.46 0.16 0.24 0.39 0.00 0.03 0.33 0.08 0.17 0.30 -0.04 0.05 0.11 0.06 0.08 0.11 0.00 -0.01 0.06 0.01 0.03 0.05 -0.04 0.08 0.03 0.10 0.07 0.08 0.04 0.09 0.05 0.10 0.06 -0.00
feature_25 -0.02 -0.02 0.01 -0.00 0.01 -0.01 -0.02 0.71 0.24 0.18 0.01 0.02 0.00 0.03 0.05 0.04 0.35 0.30 0.13 0.11 0.25 0.20 0.39 0.32 0.72 0.64 0.96 0.86 0.82 0.68 0.90 0.80 1.00 0.90 -0.59 -0.54 -0.67 -0.62 -0.60 -0.55 -0.63 -0.54 -0.69 -0.60 0.65 0.59 -0.60 -0.55 -0.09 0.15 0.12 0.01 -0.03 0.08 0.15 0.09 0.04 0.03 -0.01 -0.07 0.23 0.11 0.02 0.03 0.02 0.03 0.03 -0.00 -0.00 0.02 0.02 -0.02 -0.00 -0.01 -0.07 -0.06 0.25 0.13 0.19 -0.12 -0.57 -0.21 -0.37 -0.52 -0.04 -0.10 -0.44 -0.16 -0.29 -0.39 -0.02 0.00 -0.42 -0.04 -0.20 -0.35 0.01 -0.05 -0.39 -0.08 -0.16 -0.27 -0.04 0.11 0.53 0.20 0.29 0.45 0.02 0.05 0.40 0.11 0.21 0.36 -0.02 0.07 0.13 0.08 0.10 0.13 0.02 0.01 0.09 0.03 0.05 0.08 -0.03 0.17 0.01 0.20 0.06 0.18 0.02 0.19 0.03 0.19 0.05 -0.02
feature_26 -0.01 -0.00 0.01 0.00 0.01 -0.00 -0.01 0.73 0.20 0.22 0.02 0.03 0.03 0.06 0.05 0.07 0.29 0.34 0.12 0.14 0.22 0.24 0.33 0.37 0.65 0.70 0.84 0.95 0.75 0.76 0.82 0.90 0.90 1.00 -0.52 -0.58 -0.61 -0.68 -0.54 -0.60 -0.57 -0.60 -0.62 -0.66 0.57 0.63 -0.51 -0.57 -0.06 0.06 0.01 0.01 -0.03 0.04 0.07 0.06 0.04 0.02 0.01 -0.07 0.15 0.15 0.01 0.03 0.02 0.02 0.02 -0.01 -0.01 0.02 0.02 -0.02 0.00 -0.01 -0.07 -0.07 0.20 0.18 0.23 -0.13 -0.58 -0.23 -0.38 -0.54 -0.03 -0.11 -0.43 -0.17 -0.29 -0.38 -0.02 -0.00 -0.42 -0.05 -0.20 -0.35 -0.01 -0.05 -0.38 -0.09 -0.16 -0.26 -0.06 0.10 0.54 0.20 0.30 0.47 0.01 0.05 0.38 0.10 0.20 0.36 -0.04 0.06 0.13 0.08 0.10 0.14 0.00 -0.00 0.08 0.02 0.05 0.08 -0.05 0.09 0.04 0.12 0.09 0.10 0.06 0.11 0.07 0.11 0.08 -0.01
feature_27 -0.01 -0.01 0.04 0.04 0.02 0.03 0.05 -0.65 0.06 0.04 0.21 0.18 0.18 0.12 0.49 0.42 0.10 0.08 0.38 0.33 0.24 0.21 0.13 0.11 -0.50 -0.45 -0.55 -0.50 -0.57 -0.46 -0.59 -0.52 -0.59 -0.52 1.00 0.90 0.66 0.59 0.88 0.79 0.80 0.68 0.72 0.62 -0.51 -0.45 0.77 0.70 -0.04 0.07 0.05 -0.00 -0.03 0.01 0.05 0.02 0.01 -0.01 -0.02 -0.02 0.09 0.04 0.02 0.01 0.02 0.02 0.01 0.01 0.01 0.01 0.01 0.01 -0.03 -0.02 0.01 0.01 0.07 0.02 0.05 0.06 0.38 0.13 0.24 0.35 -0.01 0.06 0.33 0.12 0.21 0.28 -0.00 0.02 0.36 0.07 0.19 0.31 0.01 -0.00 0.34 0.05 0.13 0.23 -0.02 -0.03 -0.31 -0.08 -0.14 -0.24 0.01 -0.06 -0.26 -0.08 -0.14 -0.24 -0.02 0.00 0.04 0.01 0.02 0.04 0.01 -0.03 0.02 -0.02 -0.01 0.01 -0.02 0.07 -0.00 0.08 0.02 0.07 0.01 0.08 0.01 0.08 0.02 -0.01
feature_28 -0.00 0.00 0.03 0.03 0.02 0.02 0.03 -0.67 0.04 0.05 0.17 0.19 0.12 0.10 0.43 0.46 0.08 0.10 0.34 0.37 0.21 0.24 0.11 0.13 -0.46 -0.50 -0.50 -0.56 -0.53 -0.52 -0.54 -0.58 -0.54 -0.58 0.90 1.00 0.60 0.66 0.81 0.88 0.73 0.78 0.65 0.71 -0.46 -0.49 0.68 0.76 -0.03 0.02 -0.01 -0.00 -0.03 -0.00 0.02 0.01 0.01 -0.01 -0.00 -0.02 0.06 0.06 0.01 0.01 0.01 0.01 0.01 0.02 0.02 0.01 0.01 0.01 -0.03 -0.02 0.01 0.01 0.06 0.05 0.07 0.07 0.40 0.15 0.26 0.36 0.01 0.08 0.33 0.13 0.22 0.29 0.01 0.03 0.38 0.09 0.21 0.33 0.00 0.01 0.35 0.07 0.15 0.25 -0.02 -0.03 -0.32 -0.08 -0.13 -0.24 0.00 -0.06 -0.26 -0.07 -0.13 -0.24 -0.03 0.01 0.05 0.02 0.03 0.05 0.00 -0.02 0.02 -0.01 0.01 0.02 -0.02 0.03 0.01 0.04 0.04 0.03 0.02 0.04 0.03 0.04 0.04 -0.00
feature_29 -0.03 -0.03 0.03 0.03 0.01 0.02 0.03 -0.71 0.21 0.17 0.05 0.03 0.04 0.00 0.10 0.07 0.28 0.24 0.12 0.10 0.17 0.13 0.24 0.20 -0.57 -0.51 -0.67 -0.62 -0.62 -0.49 -0.63 -0.57 -0.67 -0.61 0.66 0.60 1.00 0.89 0.73 0.66 0.83 0.71 0.96 0.84 -0.58 -0.53 0.63 0.57 -0.09 0.14 0.12 0.02 -0.03 0.05 0.12 0.06 0.02 0.00 -0.03 -0.05 0.21 0.12 0.03 0.03 0.03 0.03 0.03 0.01 0.01 -0.01 -0.01 -0.01 -0.05 -0.04 0.02 0.01 0.21 0.11 0.17 0.13 0.59 0.23 0.38 0.54 0.02 0.11 0.45 0.17 0.30 0.39 0.01 0.08 0.55 0.15 0.33 0.49 0.02 0.03 0.46 0.10 0.21 0.34 -0.03 -0.02 -0.44 -0.09 -0.18 -0.35 0.02 -0.08 -0.34 -0.10 -0.17 -0.32 -0.04 0.04 0.08 0.05 0.07 0.09 0.02 -0.02 0.04 -0.00 0.01 0.03 -0.03 0.15 0.01 0.18 0.06 0.16 0.03 0.17 0.04 0.18 0.05 -0.03
feature_30 -0.01 -0.00 0.02 0.02 0.01 0.01 0.02 -0.74 0.16 0.20 0.03 0.02 -0.00 -0.03 0.07 0.07 0.22 0.28 0.09 0.10 0.13 0.14 0.19 0.22 -0.52 -0.57 -0.61 -0.69 -0.57 -0.56 -0.59 -0.64 -0.62 -0.68 0.59 0.66 0.89 1.00 0.66 0.74 0.75 0.81 0.87 0.95 -0.52 -0.57 0.54 0.62 -0.06 0.04 -0.01 0.01 -0.03 0.01 0.03 0.03 0.03 0.00 -0.00 -0.06 0.13 0.16 0.02 0.02 0.02 0.02 0.02 0.01 0.01 -0.01 -0.01 -0.01 -0.06 -0.05 0.02 0.01 0.16 0.16 0.20 0.15 0.62 0.25 0.41 0.57 0.04 0.12 0.45 0.18 0.30 0.39 0.03 0.08 0.58 0.16 0.35 0.52 0.01 0.04 0.47 0.11 0.22 0.35 -0.04 -0.03 -0.45 -0.10 -0.19 -0.36 -0.00 -0.08 -0.33 -0.09 -0.17 -0.31 -0.05 0.04 0.09 0.05 0.07 0.10 0.00 -0.02 0.05 0.01 0.02 0.04 -0.04 0.06 0.04 0.09 0.10 0.07 0.06 0.08 0.07 0.09 0.09 -0.01
feature_31 -0.01 -0.01 0.04 0.04 0.03 0.03 0.05 -0.66 0.10 0.08 0.14 0.12 0.12 0.07 0.29 0.26 0.16 0.13 0.45 0.40 0.35 0.31 0.21 0.18 -0.54 -0.48 -0.57 -0.53 -0.56 -0.46 -0.58 -0.53 -0.60 -0.54 0.88 0.81 0.73 0.66 1.00 0.91 0.90 0.80 0.79 0.71 -0.52 -0.47 0.70 0.65 -0.06 0.09 0.07 0.00 -0.03 0.02 0.07 0.04 0.01 -0.01 -0.02 -0.03 0.13 0.06 0.02 0.02 0.02 0.03 0.02 0.02 0.02 0.01 0.01 0.00 -0.03 -0.02 0.01 0.01 0.12 0.05 0.09 0.07 0.41 0.14 0.25 0.37 0.00 0.07 0.33 0.11 0.21 0.29 0.00 0.04 0.38 0.08 0.20 0.33 0.02 0.00 0.34 0.05 0.13 0.24 -0.02 -0.02 -0.32 -0.07 -0.13 -0.25 0.01 -0.06 -0.26 -0.08 -0.13 -0.25 -0.03 0.02 0.05 0.02 0.03 0.05 0.02 -0.02 0.02 -0.01 -0.00 0.01 -0.02 0.10 0.00 0.11 0.03 0.10 0.01 0.10 0.02 0.11 0.03 -0.01
feature_32 -0.00 0.01 0.02 0.03 0.02 0.02 0.03 -0.69 0.08 0.09 0.12 0.12 0.07 0.05 0.25 0.27 0.13 0.16 0.39 0.43 0.30 0.34 0.17 0.21 -0.50 -0.54 -0.52 -0.59 -0.52 -0.52 -0.54 -0.59 -0.55 -0.60 0.79 0.88 0.66 0.74 0.91 1.00 0.82 0.89 0.72 0.79 -0.47 -0.51 0.62 0.70 -0.04 0.03 -0.01 0.00 -0.03 0.00 0.03 0.02 0.02 -0.00 0.00 -0.03 0.08 0.08 0.01 0.01 0.01 0.02 0.02 0.02 0.02 0.01 0.01 0.00 -0.04 -0.03 0.01 0.01 0.09 0.08 0.11 0.09 0.43 0.15 0.27 0.39 0.01 0.08 0.34 0.12 0.22 0.29 0.01 0.04 0.40 0.09 0.22 0.35 0.01 0.01 0.35 0.06 0.14 0.25 -0.03 -0.02 -0.33 -0.07 -0.13 -0.25 0.00 -0.06 -0.26 -0.07 -0.13 -0.24 -0.04 0.02 0.06 0.03 0.04 0.06 0.01 -0.02 0.03 -0.01 0.01 0.02 -0.03 0.04 0.02 0.06 0.06 0.04 0.03 0.05 0.04 0.06 0.05 -0.00
feature_33 -0.02 -0.01 0.03 0.04 0.02 0.03 0.04 -0.69 0.15 0.11 0.10 0.08 0.08 0.04 0.19 0.16 0.22 0.19 0.26 0.23 0.37 0.33 0.27 0.24 -0.58 -0.52 -0.61 -0.57 -0.61 -0.50 -0.60 -0.55 -0.63 -0.57 0.80 0.73 0.83 0.75 0.90 0.82 1.00 0.90 0.90 0.81 -0.56 -0.51 0.68 0.63 -0.07 0.11 0.08 0.01 -0.03 0.03 0.09 0.05 0.02 -0.00 -0.02 -0.04 0.16 0.09 0.03 0.02 0.03 0.03 0.03 0.02 0.02 -0.00 0.00 -0.00 -0.04 -0.04 0.02 0.01 0.15 0.08 0.12 0.10 0.47 0.17 0.30 0.43 0.01 0.09 0.37 0.14 0.24 0.32 0.01 0.07 0.44 0.12 0.26 0.38 0.03 0.02 0.38 0.08 0.16 0.27 -0.02 -0.01 -0.37 -0.07 -0.14 -0.28 0.02 -0.06 -0.29 -0.08 -0.14 -0.27 -0.03 0.04 0.06 0.04 0.05 0.06 0.02 -0.01 0.03 -0.00 0.01 0.02 -0.02 0.11 0.01 0.14 0.05 0.12 0.02 0.13 0.03 0.13 0.04 -0.02
feature_34 -0.01 0.01 0.02 0.02 0.01 0.02 0.02 -0.67 0.12 0.14 0.08 0.08 0.04 0.02 0.16 0.18 0.18 0.22 0.24 0.27 0.34 0.39 0.23 0.28 -0.50 -0.55 -0.52 -0.59 -0.53 -0.53 -0.53 -0.58 -0.54 -0.60 0.68 0.78 0.71 0.81 0.80 0.89 0.90 1.00 0.78 0.88 -0.47 -0.51 0.56 0.64 -0.05 0.03 -0.02 0.01 -0.03 0.01 0.03 0.02 0.02 0.00 0.01 -0.04 0.10 0.12 0.02 0.02 0.02 0.03 0.03 0.02 0.02 0.00 0.00 -0.01 -0.05 -0.04 0.01 0.01 0.12 0.12 0.15 0.11 0.46 0.18 0.30 0.42 0.02 0.09 0.35 0.14 0.24 0.30 0.02 0.07 0.43 0.13 0.27 0.39 0.01 0.03 0.36 0.08 0.17 0.26 -0.03 -0.01 -0.35 -0.06 -0.12 -0.26 0.00 -0.05 -0.27 -0.06 -0.12 -0.24 -0.04 0.04 0.07 0.05 0.07 0.08 0.01 -0.01 0.03 0.01 0.03 0.03 -0.03 0.05 0.04 0.08 0.08 0.06 0.05 0.06 0.06 0.07 0.08 -0.01
feature_35 -0.02 -0.02 0.03 0.03 0.01 0.02 0.03 -0.73 0.17 0.14 0.06 0.04 0.05 0.01 0.11 0.09 0.24 0.21 0.14 0.12 0.19 0.16 0.27 0.24 -0.61 -0.54 -0.68 -0.63 -0.65 -0.53 -0.66 -0.59 -0.69 -0.62 0.72 0.65 0.96 0.87 0.79 0.72 0.90 0.78 1.00 0.90 -0.61 -0.55 0.66 0.61 -0.07 0.10 0.09 0.02 -0.02 0.03 0.08 0.04 0.01 0.00 -0.02 -0.04 0.17 0.10 0.02 0.02 0.03 0.03 0.03 0.02 0.02 -0.01 -0.00 -0.01 -0.05 -0.04 0.02 0.02 0.16 0.09 0.13 0.12 0.57 0.22 0.37 0.52 0.02 0.11 0.44 0.16 0.29 0.38 0.01 0.08 0.51 0.15 0.31 0.46 0.03 0.04 0.44 0.11 0.20 0.32 -0.01 -0.02 -0.45 -0.09 -0.18 -0.34 0.02 -0.06 -0.34 -0.08 -0.16 -0.31 -0.02 0.04 0.05 0.05 0.06 0.06 0.02 -0.01 0.03 0.01 0.02 0.03 -0.02 0.11 0.01 0.14 0.06 0.12 0.03 0.13 0.04 0.13 0.05 -0.02
feature_36 -0.01 -0.00 0.02 0.02 0.01 0.01 0.02 -0.73 0.15 0.18 0.04 0.04 0.01 -0.02 0.09 0.10 0.21 0.27 0.12 0.14 0.17 0.20 0.25 0.30 -0.53 -0.58 -0.59 -0.67 -0.58 -0.57 -0.58 -0.64 -0.60 -0.66 0.62 0.71 0.84 0.95 0.71 0.79 0.81 0.88 0.90 1.00 -0.52 -0.57 0.56 0.63 -0.05 0.03 -0.01 0.02 -0.02 0.01 0.03 0.02 0.02 0.00 0.00 -0.05 0.12 0.15 0.02 0.03 0.02 0.02 0.03 0.02 0.02 -0.00 -0.00 -0.01 -0.06 -0.05 0.01 0.01 0.14 0.15 0.18 0.14 0.57 0.23 0.38 0.53 0.03 0.11 0.42 0.17 0.28 0.37 0.02 0.09 0.53 0.16 0.33 0.48 0.01 0.04 0.43 0.11 0.21 0.33 -0.03 -0.02 -0.43 -0.08 -0.16 -0.33 0.00 -0.06 -0.32 -0.08 -0.15 -0.29 -0.04 0.04 0.08 0.06 0.08 0.09 0.01 -0.01 0.04 0.02 0.03 0.05 -0.03 0.05 0.04 0.09 0.10 0.06 0.06 0.07 0.07 0.08 0.09 -0.01
feature_37 -0.00 -0.00 -0.00 -0.01 -0.01 -0.02 -0.03 0.72 0.05 0.03 0.42 0.40 0.29 0.29 0.23 0.21 0.09 0.07 0.17 0.16 0.14 0.12 0.11 0.09 0.76 0.67 0.63 0.56 0.71 0.58 0.67 0.59 0.65 0.57 -0.51 -0.46 -0.58 -0.52 -0.52 -0.47 -0.56 -0.47 -0.61 -0.52 1.00 0.92 -0.50 -0.45 -0.02 0.05 0.03 -0.02 -0.02 0.04 0.05 0.03 0.02 0.02 0.00 -0.03 0.06 0.02 -0.01 0.00 -0.00 -0.00 -0.00 0.01 0.01 0.02 0.02 0.01 0.00 0.00 -0.04 -0.04 0.07 0.03 0.05 -0.08 -0.44 -0.16 -0.28 -0.40 -0.01 -0.09 -0.38 -0.14 -0.25 -0.33 -0.01 -0.04 -0.36 -0.07 -0.20 -0.31 -0.02 -0.05 -0.36 -0.09 -0.16 -0.25 -0.02 0.03 0.42 0.11 0.18 0.33 -0.01 0.03 0.34 0.07 0.16 0.31 -0.02 0.00 0.07 0.01 0.03 0.06 -0.01 -0.01 0.06 0.00 0.02 0.04 -0.02 0.05 0.00 0.06 0.01 0.05 0.00 0.05 0.01 0.06 0.01 -0.00
feature_38 -0.00 -0.00 0.00 -0.00 -0.00 -0.01 -0.02 0.74 0.03 0.03 0.41 0.46 0.32 0.36 0.23 0.25 0.07 0.08 0.17 0.19 0.13 0.14 0.09 0.09 0.70 0.75 0.56 0.61 0.66 0.65 0.61 0.65 0.59 0.63 -0.45 -0.49 -0.53 -0.57 -0.47 -0.51 -0.51 -0.51 -0.55 -0.57 0.92 1.00 -0.43 -0.48 -0.02 0.02 0.00 -0.02 -0.02 0.02 0.02 0.02 0.02 0.02 0.01 -0.03 0.04 0.03 -0.01 0.01 -0.00 -0.00 0.00 0.01 0.01 0.02 0.02 0.01 0.01 0.01 -0.05 -0.04 0.05 0.04 0.06 -0.09 -0.45 -0.17 -0.29 -0.41 -0.01 -0.09 -0.38 -0.15 -0.26 -0.33 -0.01 -0.04 -0.37 -0.07 -0.20 -0.32 -0.02 -0.05 -0.36 -0.09 -0.16 -0.25 -0.02 0.04 0.42 0.11 0.19 0.34 -0.01 0.03 0.34 0.07 0.16 0.31 -0.02 0.00 0.06 0.01 0.03 0.06 -0.01 -0.01 0.05 0.00 0.02 0.04 -0.02 0.03 0.01 0.04 0.02 0.03 0.01 0.03 0.01 0.03 0.02 -0.00
feature_39 -0.00 -0.00 0.03 0.03 0.01 0.02 0.04 -0.71 0.00 0.00 0.46 0.41 0.35 0.26 0.28 0.24 0.02 0.02 0.18 0.16 0.11 0.09 0.04 0.04 -0.54 -0.46 -0.57 -0.50 -0.58 -0.44 -0.59 -0.50 -0.60 -0.51 0.77 0.68 0.63 0.54 0.70 0.62 0.68 0.56 0.66 0.56 -0.50 -0.43 1.00 0.91 -0.01 0.02 0.01 -0.00 -0.01 -0.01 0.01 0.00 0.00 -0.02 -0.01 -0.01 0.03 0.02 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.02 0.02 0.01 -0.02 -0.01 0.01 0.01 0.02 -0.00 0.01 0.07 0.43 0.14 0.26 0.39 -0.01 0.07 0.37 0.13 0.24 0.32 -0.00 0.02 0.39 0.07 0.20 0.34 0.00 0.01 0.38 0.06 0.15 0.26 -0.01 -0.04 -0.36 -0.09 -0.15 -0.28 0.00 -0.05 -0.30 -0.08 -0.15 -0.28 -0.01 -0.01 0.02 -0.00 0.01 0.02 0.00 -0.02 0.01 -0.01 -0.00 0.01 -0.01 0.02 -0.00 0.03 0.01 0.02 0.00 0.02 0.00 0.02 0.01 -0.00
feature_40 -0.00 0.00 0.02 0.02 0.01 0.02 0.03 -0.75 -0.00 0.01 0.42 0.45 0.29 0.25 0.26 0.27 0.02 0.03 0.17 0.19 0.10 0.11 0.04 0.05 -0.49 -0.51 -0.52 -0.57 -0.54 -0.49 -0.54 -0.56 -0.55 -0.57 0.70 0.76 0.57 0.62 0.65 0.70 0.63 0.64 0.61 0.63 -0.45 -0.48 0.91 1.00 -0.01 0.00 -0.01 -0.00 -0.01 -0.01 0.00 -0.00 0.00 -0.01 -0.00 -0.01 0.02 0.02 0.01 0.01 0.01 0.01 0.01 0.02 0.02 0.02 0.02 0.02 -0.03 -0.02 0.01 0.01 0.01 0.01 0.02 0.08 0.45 0.16 0.28 0.41 0.00 0.09 0.39 0.14 0.26 0.33 0.01 0.03 0.42 0.08 0.22 0.36 0.00 0.02 0.40 0.08 0.17 0.28 -0.01 -0.04 -0.38 -0.09 -0.16 -0.29 0.00 -0.05 -0.31 -0.07 -0.15 -0.29 -0.01 -0.00 0.03 0.01 0.02 0.03 0.00 -0.01 0.02 -0.00 0.01 0.01 -0.01 0.01 0.00 0.01 0.02 0.01 0.01 0.01 0.01 0.01 0.01 -0.00
feature_41 0.03 0.34 -0.01 -0.01 -0.01 -0.01 -0.01 -0.01 -0.32 -0.23 -0.01 -0.01 -0.01 -0.00 -0.07 -0.05 -0.39 -0.28 -0.13 -0.09 -0.23 -0.15 -0.33 -0.26 -0.06 -0.04 -0.11 -0.07 -0.07 -0.05 -0.08 -0.06 -0.09 -0.06 -0.04 -0.03 -0.09 -0.06 -0.06 -0.04 -0.07 -0.05 -0.07 -0.05 -0.02 -0.02 -0.01 -0.01 1.00 -0.60 -0.31 -0.05 0.33 -0.18 -0.47 -0.30 -0.18 0.00 0.31 0.05 -0.51 0.05 -0.00 -0.00 0.00 0.01 0.01 -0.03 -0.03 -0.03 -0.03 -0.06 -0.03 -0.03 -0.04 -0.04 -0.35 0.14 -0.25 0.00 0.02 0.00 0.01 0.01 0.03 -0.02 0.01 -0.01 -0.00 0.00 -0.02 -0.13 -0.17 -0.14 -0.16 -0.17 -0.15 0.30 0.04 0.24 0.18 0.09 0.29 -0.14 -0.19 -0.15 -0.17 -0.18 -0.15 0.32 0.02 0.23 0.17 0.08 0.29 -0.16 -0.39 -0.18 -0.24 -0.37 -0.16 0.31 0.03 0.27 0.22 0.10 0.28 -0.55 0.07 -0.53 0.09 -0.54 0.09 -0.56 0.09 -0.54 0.10 0.03
feature_42 -0.03 -0.21 0.02 0.02 0.02 0.02 0.02 0.01 0.44 0.15 0.03 0.01 0.03 0.01 0.12 0.04 0.57 0.23 0.21 0.09 0.34 0.13 0.49 0.21 0.10 0.05 0.18 0.07 0.12 0.05 0.14 0.06 0.15 0.06 0.07 0.02 0.14 0.04 0.09 0.03 0.11 0.03 0.10 0.03 0.05 0.02 0.02 0.00 -0.60 1.00 0.75 0.05 -0.26 0.29 0.68 0.36 0.13 -0.02 -0.23 -0.07 0.77 -0.18 0.09 0.04 0.09 0.08 0.05 0.06 0.06 0.05 0.05 0.05 0.01 0.01 0.02 0.02 0.49 -0.27 0.16 -0.01 -0.03 -0.00 -0.02 -0.03 -0.07 0.00 -0.02 0.00 -0.01 -0.01 -0.02 0.13 0.12 0.13 0.12 0.12 0.18 -0.22 -0.07 -0.19 -0.15 -0.10 -0.19 0.15 0.15 0.14 0.15 0.15 0.19 -0.23 -0.03 -0.17 -0.13 -0.08 -0.17 0.16 0.30 0.17 0.20 0.28 0.19 -0.22 -0.06 -0.21 -0.18 -0.11 -0.16 0.84 -0.26 0.79 -0.25 0.84 -0.27 0.84 -0.27 0.81 -0.26 -0.03
feature_43 -0.13 -0.17 0.02 0.02 0.01 0.01 0.02 0.01 0.33 -0.09 0.02 -0.00 0.02 0.01 0.09 -0.01 0.42 -0.04 0.15 -0.01 0.24 -0.02 0.36 -0.03 0.08 0.01 0.14 0.01 0.09 0.00 0.11 0.01 0.12 0.01 0.05 -0.01 0.12 -0.01 0.07 -0.01 0.08 -0.02 0.09 -0.01 0.03 0.00 0.01 -0.01 -0.31 0.75 1.00 0.03 -0.01 0.26 0.60 0.25 0.01 0.02 -0.19 -0.01 0.58 -0.15 0.08 0.03 0.08 0.08 0.06 0.06 0.06 0.03 0.03 0.02 -0.01 -0.01 0.02 0.02 0.37 -0.24 -0.11 -0.01 -0.02 -0.00 -0.01 -0.02 -0.09 -0.01 -0.02 -0.00 -0.01 -0.02 -0.07 0.11 -0.02 0.08 0.04 -0.00 0.18 0.07 -0.02 0.05 0.02 -0.01 0.13 0.12 0.01 0.09 0.06 0.02 0.19 0.08 0.01 0.06 0.04 0.01 0.15 0.12 0.02 0.10 0.07 0.04 0.19 0.08 0.01 0.06 0.04 0.02 0.14 0.63 -0.19 0.60 -0.19 0.63 -0.20 0.64 -0.20 0.62 -0.20 -0.13
feature_44 -0.08 -0.01 0.01 0.01 0.01 0.01 0.01 -0.01 0.02 0.00 -0.02 -0.02 -0.02 -0.02 -0.02 -0.01 0.00 -0.01 -0.02 -0.01 -0.01 -0.01 -0.00 -0.01 -0.01 -0.01 0.01 0.00 -0.01 -0.00 0.01 0.00 0.01 0.01 -0.00 -0.00 0.02 0.01 0.00 0.00 0.01 0.01 0.02 0.02 -0.02 -0.02 -0.00 -0.00 -0.05 0.05 0.03 1.00 0.63 0.01 0.06 0.04 0.01 0.00 -0.01 0.01 0.03 0.00 0.03 0.01 0.03 0.04 0.03 0.01 0.01 0.01 0.02 -0.05 -0.03 -0.04 -0.04 -0.04 0.01 -0.02 -0.00 -0.04 -0.00 -0.02 -0.02 -0.01 -0.15 -0.02 -0.00 -0.02 -0.01 -0.01 -0.08 0.52 0.06 0.42 0.30 0.14 0.53 0.36 0.04 0.30 0.22 0.10 0.35 0.55 0.06 0.44 0.32 0.14 0.54 0.38 0.03 0.31 0.22 0.10 0.35 0.55 0.08 0.46 0.36 0.18 0.54 0.38 0.04 0.33 0.26 0.13 0.36 0.02 -0.02 0.03 0.00 0.03 -0.00 0.04 0.01 0.04 0.01 -0.08
feature_45 -0.14 0.06 0.00 0.00 0.00 0.00 0.00 -0.00 -0.17 -0.19 -0.02 -0.01 -0.02 -0.02 -0.05 -0.04 -0.20 -0.21 -0.08 -0.08 -0.13 -0.12 -0.18 -0.20 -0.04 -0.03 -0.04 -0.04 -0.04 -0.04 -0.04 -0.04 -0.03 -0.03 -0.03 -0.03 -0.03 -0.03 -0.03 -0.03 -0.03 -0.03 -0.02 -0.02 -0.02 -0.02 -0.01 -0.01 0.33 -0.26 -0.01 0.63 1.00 -0.01 -0.18 -0.13 -0.10 0.08 0.07 0.09 -0.22 0.05 -0.00 -0.01 0.00 0.01 0.01 0.03 0.02 0.01 0.01 -0.03 -0.02 -0.03 -0.01 -0.02 -0.21 -0.00 -0.23 -0.02 0.01 -0.01 -0.00 0.01 -0.07 -0.04 -0.01 -0.03 -0.01 -0.01 -0.11 0.22 -0.09 0.15 0.06 -0.04 0.23 0.56 0.09 0.47 0.36 0.18 0.57 0.23 -0.10 0.16 0.06 -0.05 0.24 0.59 0.09 0.48 0.36 0.18 0.57 0.22 -0.23 0.15 0.04 -0.15 0.24 0.59 0.11 0.51 0.42 0.23 0.58 -0.24 0.07 -0.22 0.08 -0.23 0.08 -0.24 0.09 -0.23 0.09 -0.14
feature_46 -0.05 0.08 -0.01 -0.01 -0.00 0.00 -0.00 0.02 0.23 0.11 0.02 0.01 -0.00 -0.00 0.05 0.02 0.24 0.11 0.08 0.04 0.14 0.06 0.21 0.10 0.05 0.03 0.09 0.05 0.07 0.03 0.08 0.04 0.08 0.04 0.01 -0.00 0.05 0.01 0.02 0.00 0.03 0.01 0.03 0.01 0.04 0.02 -0.01 -0.01 -0.18 0.29 0.26 0.01 -0.01 1.00 0.66 0.82 0.65 0.83 0.41 0.33 0.24 -0.03 0.01 0.01 0.01 0.01 0.01 0.05 0.05 0.04 0.05 0.08 0.05 0.05 0.05 0.05 0.24 0.03 0.11 -0.01 -0.02 -0.01 -0.01 -0.02 -0.04 -0.03 -0.03 -0.02 -0.02 -0.03 -0.06 0.03 0.04 0.04 0.04 0.04 0.07 -0.01 0.02 -0.00 0.01 0.02 0.03 0.04 0.07 0.05 0.06 0.06 0.07 0.01 0.07 0.02 0.03 0.05 0.04 0.05 0.12 0.05 0.07 0.11 0.08 0.00 0.10 0.01 0.04 0.07 0.04 0.23 -0.10 0.23 -0.08 0.23 -0.11 0.23 -0.10 0.23 -0.09 -0.05
feature_47 -0.06 0.06 -0.00 -0.00 0.00 0.00 0.00 0.02 0.47 0.22 0.02 0.01 0.02 0.01 0.10 0.04 0.53 0.25 0.18 0.08 0.31 0.13 0.45 0.22 0.10 0.05 0.17 0.07 0.12 0.05 0.13 0.06 0.15 0.07 0.05 0.02 0.12 0.03 0.07 0.03 0.09 0.03 0.08 0.03 0.05 0.02 0.01 0.00 -0.47 0.68 0.60 0.06 -0.18 0.66 1.00 0.77 0.50 0.42 0.22 0.36 0.56 -0.09 0.04 0.01 0.04 0.04 0.02 0.07 0.07 0.06 0.06 0.11 0.05 0.05 0.07 0.07 0.52 -0.00 0.24 -0.01 -0.03 -0.01 -0.02 -0.03 -0.07 -0.01 -0.03 -0.00 -0.01 -0.02 -0.04 0.14 0.12 0.14 0.14 0.12 0.21 -0.12 -0.00 -0.10 -0.07 -0.02 -0.07 0.16 0.16 0.16 0.16 0.16 0.21 -0.12 0.04 -0.08 -0.04 0.00 -0.05 0.17 0.32 0.18 0.22 0.30 0.22 -0.12 0.09 -0.10 -0.05 0.03 -0.05 0.56 -0.20 0.55 -0.18 0.57 -0.21 0.58 -0.21 0.56 -0.19 -0.06
feature_48 -0.02 0.07 -0.01 -0.01 -0.00 -0.00 -0.00 0.02 0.30 0.20 0.02 0.01 0.01 0.00 0.06 0.03 0.32 0.21 0.11 0.07 0.19 0.11 0.28 0.19 0.06 0.04 0.11 0.06 0.07 0.04 0.08 0.05 0.09 0.06 0.02 0.01 0.06 0.03 0.04 0.02 0.05 0.02 0.04 0.02 0.03 0.02 0.00 -0.00 -0.30 0.36 0.25 0.04 -0.13 0.82 0.77 1.00 0.88 0.60 0.36 0.32 0.31 -0.03 0.01 0.01 0.01 0.01 0.01 0.04 0.05 0.04 0.05 0.08 0.05 0.05 0.05 0.05 0.33 0.06 0.22 -0.01 -0.02 -0.01 -0.02 -0.02 -0.04 -0.01 -0.02 -0.01 -0.01 -0.02 -0.02 0.09 0.12 0.10 0.11 0.11 0.12 -0.10 0.01 -0.08 -0.05 -0.01 -0.08 0.10 0.15 0.11 0.13 0.14 0.12 -0.11 0.04 -0.06 -0.03 0.01 -0.07 0.11 0.27 0.12 0.17 0.25 0.13 -0.10 0.08 -0.08 -0.03 0.04 -0.07 0.29 -0.12 0.30 -0.09 0.30 -0.12 0.30 -0.11 0.30 -0.10 -0.02
feature_49 0.01 0.08 -0.01 -0.01 -0.01 -0.00 -0.00 0.01 0.17 0.18 0.01 0.01 0.00 -0.00 0.03 0.03 0.16 0.18 0.05 0.06 0.10 0.10 0.14 0.16 0.03 0.03 0.05 0.05 0.03 0.03 0.04 0.04 0.04 0.04 0.01 0.01 0.02 0.03 0.01 0.02 0.02 0.02 0.01 0.02 0.02 0.02 0.00 0.00 -0.18 0.13 0.01 0.01 -0.10 0.65 0.50 0.88 1.00 0.59 0.42 0.27 0.13 0.01 -0.00 0.00 -0.00 -0.00 -0.00 0.03 0.03 0.03 0.03 0.07 0.05 0.05 0.05 0.04 0.18 0.09 0.20 -0.01 -0.01 -0.01 -0.01 -0.01 -0.01 -0.00 -0.01 -0.01 -0.01 -0.01 0.00 0.04 0.11 0.06 0.09 0.10 0.06 -0.10 0.02 -0.07 -0.04 0.00 -0.08 0.05 0.12 0.07 0.10 0.12 0.06 -0.10 0.03 -0.06 -0.03 0.01 -0.08 0.06 0.23 0.08 0.13 0.20 0.06 -0.10 0.07 -0.07 -0.03 0.03 -0.08 0.11 -0.06 0.12 -0.03 0.11 -0.06 0.12 -0.05 0.12 -0.04 0.01
feature_50 -0.05 0.22 -0.01 -0.01 -0.00 -0.00 -0.01 0.02 0.08 0.07 0.00 0.00 -0.01 -0.01 0.00 0.00 0.06 0.05 0.01 0.01 0.03 0.02 0.05 0.04 0.02 0.01 0.03 0.02 0.02 0.02 0.03 0.02 0.03 0.02 -0.01 -0.01 0.00 0.00 -0.01 -0.00 -0.00 0.00 0.00 0.00 0.02 0.02 -0.02 -0.01 0.00 -0.02 0.02 0.00 0.08 0.83 0.42 0.60 0.59 1.00 0.68 0.40 -0.00 0.04 -0.01 -0.01 -0.02 -0.02 -0.01 0.04 0.04 0.04 0.04 0.09 0.06 0.06 0.06 0.06 0.07 0.13 0.06 -0.01 -0.01 -0.01 -0.01 -0.01 -0.01 -0.03 -0.02 -0.02 -0.02 -0.02 -0.05 -0.01 0.00 -0.00 0.00 0.00 0.02 0.07 0.05 0.06 0.07 0.06 0.11 -0.00 0.01 0.00 0.01 0.01 0.02 0.08 0.08 0.08 0.08 0.09 0.11 -0.00 0.02 -0.00 0.01 0.02 0.03 0.08 0.13 0.08 0.10 0.12 0.11 -0.04 -0.04 -0.02 0.00 -0.04 -0.04 -0.04 -0.03 -0.03 -0.01 -0.05
feature_51 0.01 0.54 -0.02 -0.02 -0.01 -0.01 -0.01 0.00 -0.01 0.08 0.00 0.01 -0.01 -0.00 -0.02 0.01 -0.06 0.04 -0.02 0.01 -0.04 0.02 -0.05 0.03 -0.01 0.00 -0.02 0.00 -0.01 0.01 -0.01 0.01 -0.01 0.01 -0.02 -0.00 -0.03 -0.00 -0.02 0.00 -0.02 0.01 -0.02 0.00 0.00 0.01 -0.01 -0.00 0.31 -0.23 -0.19 -0.01 0.07 0.41 0.22 0.36 0.42 0.68 1.00 0.43 -0.18 0.06 -0.00 -0.00 -0.00 0.00 0.00 0.03 0.02 0.02 0.01 0.06 0.04 0.04 0.05 0.05 -0.01 0.25 0.09 -0.00 0.00 -0.00 -0.00 0.00 0.02 -0.01 -0.01 -0.01 -0.01 -0.01 0.00 -0.04 -0.02 -0.03 -0.02 -0.02 -0.02 0.07 0.05 0.06 0.07 0.06 0.09 -0.04 -0.02 -0.03 -0.02 -0.02 -0.03 0.07 0.05 0.06 0.07 0.06 0.08 -0.04 -0.03 -0.03 -0.03 -0.03 -0.03 0.07 0.10 0.08 0.09 0.09 0.08 -0.24 -0.03 -0.21 0.02 -0.23 -0.02 -0.23 -0.01 -0.22 0.01 0.01
feature_52 -0.01 0.28 -0.02 -0.02 -0.01 -0.01 -0.01 -0.01 -0.15 -0.14 -0.03 -0.02 -0.03 -0.02 -0.05 -0.04 -0.16 -0.16 -0.07 -0.07 -0.11 -0.09 -0.14 -0.15 -0.04 -0.04 -0.08 -0.08 -0.05 -0.05 -0.06 -0.06 -0.07 -0.07 -0.02 -0.02 -0.05 -0.06 -0.03 -0.03 -0.04 -0.04 -0.04 -0.05 -0.03 -0.03 -0.01 -0.01 0.05 -0.07 -0.01 0.01 0.09 0.33 0.36 0.32 0.27 0.40 0.43 1.00 -0.04 0.04 0.01 0.01 0.02 0.02 0.02 -0.02 -0.02 -0.02 -0.02 -0.05 -0.04 -0.04 -0.03 -0.03 -0.21 -0.15 -0.22 0.00 0.02 0.01 0.01 0.02 0.00 -0.01 0.01 -0.00 0.00 0.01 -0.02 0.00 -0.12 -0.01 -0.04 -0.09 -0.04 0.10 -0.07 0.08 0.05 -0.02 0.05 0.00 -0.14 -0.01 -0.05 -0.11 -0.04 0.11 -0.08 0.08 0.04 -0.04 0.05 -0.00 -0.26 -0.02 -0.08 -0.21 -0.04 0.10 -0.16 0.07 0.01 -0.09 0.05 -0.03 0.08 -0.03 0.08 -0.03 0.09 -0.03 0.09 -0.03 0.09 -0.01
feature_53 -0.06 -0.18 0.04 0.04 0.03 0.02 0.02 0.02 0.46 0.24 0.05 0.03 0.04 0.03 0.16 0.09 0.67 0.41 0.25 0.16 0.40 0.23 0.58 0.36 0.13 0.08 0.26 0.17 0.16 0.10 0.19 0.13 0.23 0.15 0.09 0.06 0.21 0.13 0.13 0.08 0.16 0.10 0.17 0.12 0.06 0.04 0.03 0.02 -0.51 0.77 0.58 0.03 -0.22 0.24 0.56 0.31 0.13 -0.00 -0.18 -0.04 1.00 0.40 0.11 0.09 0.12 0.13 0.11 -0.01 -0.01 -0.01 -0.00 -0.10 -0.11 -0.11 -0.11 -0.11 0.49 -0.10 0.24 -0.01 -0.03 -0.01 -0.02 -0.03 -0.05 -0.01 -0.03 -0.01 -0.02 -0.02 -0.02 0.12 0.11 0.14 0.14 0.12 0.04 -0.17 -0.05 -0.12 -0.09 -0.05 -0.27 0.14 0.15 0.16 0.17 0.16 0.06 -0.17 0.00 -0.10 -0.06 -0.02 -0.25 0.16 0.29 0.18 0.22 0.29 0.05 -0.17 -0.01 -0.13 -0.10 -0.04 -0.24 0.83 0.08 0.94 0.25 0.87 0.13 0.89 0.16 0.92 0.21 -0.06
feature_54 -0.04 0.02 0.02 0.02 0.01 0.00 0.00 0.00 0.07 0.15 0.02 0.03 0.02 0.02 0.06 0.08 0.19 0.30 0.08 0.12 0.12 0.18 0.17 0.26 0.05 0.06 0.12 0.16 0.06 0.09 0.09 0.11 0.11 0.15 0.04 0.06 0.12 0.16 0.06 0.08 0.09 0.12 0.10 0.15 0.02 0.03 0.02 0.02 0.05 -0.18 -0.15 0.00 0.05 -0.03 -0.09 -0.03 0.01 0.04 0.06 0.04 0.40 1.00 0.04 0.08 0.06 0.08 0.08 -0.09 -0.09 -0.07 -0.07 -0.22 -0.18 -0.18 -0.20 -0.20 0.03 0.22 0.12 -0.01 -0.01 -0.01 -0.01 -0.01 0.02 -0.02 -0.02 -0.02 -0.03 -0.03 0.00 0.04 0.01 0.07 0.07 0.04 -0.15 0.11 0.05 0.15 0.14 0.10 -0.12 0.05 0.02 0.09 0.08 0.05 -0.14 0.12 0.07 0.16 0.16 0.12 -0.12 0.06 0.01 0.08 0.08 0.05 -0.16 0.12 0.09 0.17 0.18 0.14 -0.12 0.08 0.49 0.27 0.79 0.12 0.59 0.15 0.64 0.22 0.73 -0.04
feature_55 -0.09 -0.00 0.00 0.00 0.01 0.01 0.01 -0.00 0.07 0.05 0.00 0.00 0.01 0.01 0.01 0.01 0.07 0.04 0.02 0.01 0.04 0.02 0.06 0.04 -0.00 0.00 0.02 0.01 0.01 0.01 0.01 0.01 0.02 0.01 0.02 0.01 0.03 0.02 0.02 0.01 0.03 0.02 0.02 0.02 -0.01 -0.01 0.01 0.01 -0.00 0.09 0.08 0.03 -0.00 0.01 0.04 0.01 -0.00 -0.01 -0.00 0.01 0.11 0.04 1.00 0.56 0.90 0.82 0.70 0.01 0.01 0.01 0.01 -0.03 -0.04 -0.04 -0.04 -0.04 0.06 -0.01 0.03 0.01 0.00 0.00 0.00 0.00 0.02 0.01 0.00 0.00 0.00 0.00 0.02 0.06 -0.01 0.04 0.02 0.00 0.03 0.04 -0.02 0.02 0.00 -0.01 0.00 0.06 -0.01 0.04 0.02 -0.00 0.03 0.04 -0.02 0.02 -0.00 -0.02 0.00 0.07 -0.01 0.04 0.02 -0.00 0.03 0.04 -0.04 0.02 -0.00 -0.03 0.00 0.12 0.05 0.11 0.05 0.12 0.06 0.12 0.06 0.12 0.05 -0.09
feature_56 -0.06 -0.01 0.00 0.01 0.01 0.01 0.01 0.00 0.06 0.05 0.01 0.01 0.01 0.01 0.02 0.02 0.05 0.05 0.03 0.03 0.03 0.04 0.05 0.05 0.01 0.01 0.03 0.03 0.01 0.02 0.02 0.02 0.03 0.03 0.01 0.01 0.03 0.02 0.02 0.01 0.02 0.02 0.02 0.03 0.00 0.01 0.01 0.01 -0.00 0.04 0.03 0.01 -0.01 0.01 0.01 0.01 0.00 -0.01 -0.00 0.01 0.09 0.08 0.56 1.00 0.59 0.62 0.79 0.00 0.00 0.00 0.00 -0.01 -0.02 -0.02 -0.02 -0.02 0.05 0.02 0.05 0.00 -0.00 0.00 -0.00 -0.00 0.01 0.00 -0.00 0.00 -0.00 -0.00 0.01 0.03 0.02 0.04 0.05 0.04 0.00 0.02 0.01 0.02 0.03 0.03 -0.01 0.03 0.02 0.04 0.05 0.04 0.00 0.02 0.01 0.02 0.03 0.03 -0.02 0.04 0.03 0.04 0.05 0.06 0.00 0.02 0.01 0.03 0.04 0.04 -0.01 0.07 0.05 0.09 0.07 0.07 0.05 0.08 0.06 0.08 0.07 -0.05
feature_57 -0.08 0.00 0.00 0.00 0.01 0.01 0.01 -0.00 0.07 0.05 0.00 0.00 0.01 0.01 0.01 0.01 0.07 0.05 0.02 0.01 0.04 0.03 0.06 0.04 0.00 0.00 0.02 0.02 0.01 0.01 0.02 0.01 0.02 0.02 0.02 0.01 0.03 0.02 0.02 0.01 0.03 0.02 0.03 0.02 -0.00 -0.00 0.01 0.01 0.00 0.09 0.08 0.03 0.00 0.01 0.04 0.01 -0.00 -0.02 -0.00 0.02 0.12 0.06 0.90 0.59 1.00 0.91 0.75 0.00 0.00 -0.00 -0.00 -0.05 -0.06 -0.06 -0.05 -0.05 0.06 -0.01 0.03 0.01 0.00 0.00 0.00 0.00 0.02 0.01 0.00 0.01 0.00 0.00 0.02 0.08 -0.01 0.07 0.04 0.01 0.02 0.06 -0.02 0.05 0.02 -0.01 -0.01 0.08 -0.01 0.07 0.04 0.00 0.02 0.06 -0.02 0.04 0.02 -0.01 -0.01 0.10 -0.02 0.07 0.04 0.00 0.02 0.06 -0.04 0.05 0.02 -0.02 -0.01 0.13 0.08 0.13 0.07 0.13 0.09 0.14 0.09 0.13 0.08 -0.08
feature_58 -0.08 0.00 0.00 0.00 0.01 0.01 0.01 -0.00 0.07 0.05 0.00 0.00 0.01 0.01 0.01 0.01 0.07 0.05 0.02 0.02 0.04 0.03 0.06 0.04 0.01 0.01 0.02 0.02 0.01 0.02 0.02 0.02 0.03 0.02 0.02 0.01 0.03 0.02 0.03 0.02 0.03 0.03 0.03 0.02 -0.00 -0.00 0.01 0.01 0.01 0.08 0.08 0.04 0.01 0.01 0.04 0.01 -0.00 -0.02 0.00 0.02 0.13 0.08 0.82 0.62 0.91 1.00 0.84 -0.00 -0.00 -0.01 -0.01 -0.06 -0.07 -0.06 -0.06 -0.06 0.05 -0.01 0.03 0.01 0.00 0.01 0.00 0.00 0.02 0.01 0.00 0.01 0.00 0.00 0.02 0.09 -0.01 0.09 0.07 0.01 0.02 0.07 -0.02 0.08 0.05 0.00 -0.01 0.09 -0.01 0.10 0.06 0.01 0.02 0.07 -0.02 0.07 0.05 0.00 -0.01 0.11 -0.02 0.10 0.07 0.01 0.02 0.07 -0.04 0.08 0.05 -0.01 -0.01 0.13 0.09 0.14 0.10 0.14 0.10 0.14 0.11 0.14 0.11 -0.08
feature_59 -0.07 0.00 0.00 0.00 0.01 0.01 0.01 -0.00 0.06 0.04 0.00 0.01 0.01 0.01 0.01 0.01 0.05 0.04 0.02 0.02 0.03 0.03 0.05 0.04 0.01 0.01 0.02 0.02 0.01 0.02 0.02 0.02 0.03 0.02 0.01 0.01 0.03 0.02 0.02 0.02 0.03 0.03 0.03 0.03 -0.00 0.00 0.01 0.01 0.01 0.05 0.06 0.03 0.01 0.01 0.02 0.01 -0.00 -0.01 0.00 0.02 0.11 0.08 0.70 0.79 0.75 0.84 1.00 0.00 0.00 -0.00 -0.00 -0.04 -0.04 -0.04 -0.04 -0.04 0.04 0.00 0.03 0.01 0.00 0.00 -0.00 -0.00 0.01 0.01 0.00 0.00 0.00 0.00 0.01 0.07 -0.00 0.07 0.08 0.03 0.02 0.06 -0.01 0.06 0.06 0.02 -0.00 0.07 -0.00 0.08 0.07 0.03 0.01 0.06 -0.01 0.06 0.06 0.02 -0.01 0.08 -0.01 0.08 0.08 0.03 0.01 0.06 -0.03 0.07 0.07 0.02 -0.00 0.09 0.07 0.11 0.10 0.10 0.08 0.11 0.09 0.11 0.10 -0.07
feature_60 -0.02 0.01 -0.00 -0.00 -0.00 -0.00 0.00 -0.01 0.02 0.01 0.02 0.02 0.01 0.02 0.02 0.02 0.02 -0.00 0.02 0.02 0.02 0.01 0.02 0.00 0.01 0.00 -0.01 -0.01 0.00 -0.00 0.00 -0.00 -0.00 -0.01 0.01 0.02 0.01 0.01 0.02 0.02 0.02 0.02 0.02 0.02 0.01 0.01 0.01 0.02 -0.03 0.06 0.06 0.01 0.03 0.05 0.07 0.04 0.03 0.04 0.03 -0.02 -0.01 -0.09 0.01 0.00 0.00 -0.00 0.00 1.00 1.00 -0.12 -0.12 0.48 -0.25 -0.24 0.62 0.62 0.03 -0.01 0.01 0.10 0.03 0.07 0.05 0.04 0.25 0.11 0.03 0.07 0.05 0.04 0.25 0.12 0.06 0.11 0.11 0.08 0.30 0.13 0.06 0.12 0.11 0.09 0.32 0.07 0.01 0.07 0.06 0.03 0.21 0.08 0.01 0.07 0.06 0.03 0.26 0.11 0.06 0.10 0.10 0.09 0.28 0.11 0.07 0.10 0.11 0.09 0.28 -0.08 -0.22 -0.03 -0.10 -0.06 -0.20 -0.05 -0.16 -0.03 -0.12 -0.02
feature_61 -0.02 0.01 -0.00 -0.00 -0.00 -0.00 0.00 -0.01 0.02 0.01 0.02 0.02 0.01 0.02 0.02 0.02 0.02 -0.00 0.02 0.02 0.02 0.01 0.02 0.00 0.01 0.00 -0.01 -0.01 0.00 -0.00 0.00 -0.00 -0.00 -0.01 0.01 0.02 0.01 0.01 0.02 0.02 0.02 0.02 0.02 0.02 0.01 0.01 0.01 0.02 -0.03 0.06 0.06 0.01 0.02 0.05 0.07 0.05 0.03 0.04 0.02 -0.02 -0.01 -0.09 0.01 0.00 0.00 -0.00 0.00 1.00 1.00 -0.12 -0.12 0.49 -0.24 -0.24 0.62 0.62 0.03 -0.01 0.01 0.10 0.03 0.06 0.05 0.04 0.25 0.11 0.03 0.07 0.05 0.04 0.25 0.13 0.06 0.12 0.11 0.08 0.30 0.13 0.06 0.11 0.11 0.09 0.33 0.08 0.01 0.07 0.06 0.03 0.22 0.08 0.01 0.07 0.06 0.03 0.26 0.11 0.07 0.10 0.11 0.09 0.28 0.11 0.07 0.10 0.11 0.09 0.28 -0.08 -0.22 -0.03 -0.10 -0.06 -0.21 -0.04 -0.16 -0.03 -0.12 -0.02
feature_62 -0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.03 0.02 0.03 0.03 0.02 0.02 0.03 0.03 0.02 0.02 0.03 0.03 0.03 0.03 0.03 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.01 0.01 -0.01 -0.01 0.01 0.01 -0.00 0.00 -0.01 -0.00 0.02 0.02 0.02 0.02 -0.03 0.05 0.03 0.01 0.01 0.04 0.06 0.04 0.03 0.04 0.02 -0.02 -0.01 -0.07 0.01 0.00 -0.00 -0.01 -0.00 -0.12 -0.12 1.00 1.00 0.49 0.62 0.63 -0.22 -0.22 0.03 0.00 0.03 -0.10 -0.04 -0.07 -0.05 -0.04 -0.34 -0.11 -0.04 -0.07 -0.05 -0.04 -0.33 -0.00 0.01 0.00 0.01 0.01 0.17 -0.00 0.01 0.00 0.01 0.01 0.20 0.05 0.06 0.05 0.07 0.07 0.22 0.05 0.06 0.05 0.06 0.06 0.27 0.03 0.07 0.03 0.05 0.07 0.23 0.03 0.07 0.03 0.05 0.07 0.23 -0.06 -0.25 -0.02 -0.14 -0.05 -0.24 -0.04 -0.20 -0.03 -0.16 -0.01
feature_63 -0.01 -0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.03 0.02 0.03 0.03 0.02 0.02 0.03 0.03 0.03 0.02 0.03 0.03 0.03 0.03 0.03 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.01 0.01 -0.01 -0.01 0.01 0.01 0.00 0.00 -0.00 -0.00 0.02 0.02 0.02 0.02 -0.03 0.05 0.03 0.02 0.01 0.05 0.06 0.05 0.03 0.04 0.01 -0.02 -0.00 -0.07 0.01 0.00 -0.00 -0.01 -0.00 -0.12 -0.12 1.00 1.00 0.49 0.62 0.63 -0.22 -0.22 0.04 -0.00 0.03 -0.10 -0.04 -0.07 -0.05 -0.04 -0.34 -0.11 -0.04 -0.07 -0.05 -0.04 -0.34 -0.00 0.01 0.00 0.01 0.01 0.17 -0.00 0.01 -0.00 0.01 0.01 0.20 0.05 0.06 0.05 0.07 0.07 0.22 0.05 0.06 0.05 0.06 0.06 0.27 0.03 0.07 0.03 0.05 0.07 0.23 0.03 0.07 0.03 0.05 0.07 0.23 -0.06 -0.25 -0.02 -0.14 -0.05 -0.24 -0.03 -0.20 -0.02 -0.16 -0.01
feature_64 -0.04 0.02 -0.00 -0.00 -0.00 -0.00 -0.00 -0.00 0.00 -0.01 0.02 0.02 0.02 0.02 0.01 0.02 -0.02 -0.03 0.01 0.01 0.00 -0.00 -0.01 -0.02 -0.00 -0.00 -0.02 -0.02 -0.00 -0.01 -0.01 -0.01 -0.02 -0.02 0.01 0.01 -0.01 -0.01 0.00 0.00 -0.00 -0.01 -0.01 -0.01 0.01 0.01 0.01 0.02 -0.06 0.05 0.02 -0.05 -0.03 0.08 0.11 0.08 0.07 0.09 0.06 -0.05 -0.10 -0.22 -0.03 -0.01 -0.05 -0.06 -0.04 0.48 0.49 0.49 0.49 1.00 0.69 0.70 0.70 0.70 0.01 -0.04 -0.00 -0.00 0.00 -0.00 0.00 0.00 -0.07 0.00 0.00 0.00 0.00 0.00 -0.06 -0.06 0.06 -0.03 0.01 0.05 0.40 -0.06 0.06 -0.04 0.01 0.05 0.46 -0.06 0.05 -0.03 0.01 0.05 0.37 -0.06 0.05 -0.04 0.01 0.04 0.46 -0.06 0.13 -0.03 0.03 0.11 0.43 -0.06 0.13 -0.04 0.03 0.10 0.44 -0.22 -0.53 -0.14 -0.32 -0.19 -0.52 -0.18 -0.45 -0.15 -0.37 -0.03
feature_65 -0.02 0.02 -0.01 -0.00 0.00 0.00 -0.00 0.03 -0.02 -0.02 -0.01 -0.01 -0.01 -0.01 -0.01 -0.02 -0.04 -0.05 -0.02 -0.02 -0.03 -0.03 -0.04 -0.04 0.00 0.01 -0.00 0.00 0.01 0.00 0.00 0.00 -0.00 0.00 -0.03 -0.03 -0.05 -0.06 -0.03 -0.04 -0.04 -0.05 -0.05 -0.06 0.00 0.01 -0.02 -0.03 -0.03 0.01 -0.01 -0.03 -0.02 0.05 0.05 0.05 0.05 0.06 0.04 -0.04 -0.11 -0.18 -0.04 -0.02 -0.06 -0.07 -0.04 -0.25 -0.24 0.62 0.62 0.69 1.00 1.00 0.27 0.27 -0.02 -0.03 -0.02 -0.13 -0.05 -0.09 -0.07 -0.06 -0.28 -0.13 -0.05 -0.09 -0.07 -0.06 -0.27 -0.18 -0.02 -0.15 -0.12 -0.06 0.22 -0.18 -0.02 -0.16 -0.12 -0.05 0.27 -0.12 0.06 -0.09 -0.03 0.03 0.25 -0.11 0.06 -0.09 -0.04 0.03 0.32 -0.16 0.06 -0.13 -0.07 0.02 0.27 -0.15 0.07 -0.14 -0.08 0.01 0.28 -0.17 -0.38 -0.13 -0.27 -0.16 -0.40 -0.16 -0.36 -0.14 -0.30 -0.02
feature_66 -0.02 0.02 -0.00 -0.00 -0.00 0.00 -0.00 0.02 -0.02 -0.02 -0.00 -0.01 -0.00 -0.00 -0.01 -0.01 -0.04 -0.04 -0.01 -0.02 -0.02 -0.02 -0.03 -0.04 -0.00 0.00 -0.01 -0.00 0.00 -0.00 -0.00 -0.00 -0.01 -0.01 -0.02 -0.02 -0.04 -0.05 -0.02 -0.03 -0.04 -0.04 -0.04 -0.05 0.00 0.01 -0.01 -0.02 -0.03 0.01 -0.01 -0.04 -0.03 0.05 0.05 0.05 0.05 0.06 0.04 -0.04 -0.11 -0.18 -0.04 -0.02 -0.06 -0.06 -0.04 -0.24 -0.24 0.63 0.63 0.70 1.00 1.00 0.27 0.27 -0.02 -0.03 -0.02 -0.11 -0.04 -0.08 -0.06 -0.05 -0.27 -0.11 -0.04 -0.08 -0.06 -0.04 -0.27 -0.17 -0.01 -0.14 -0.10 -0.04 0.22 -0.17 -0.01 -0.15 -0.10 -0.04 0.26 -0.12 0.05 -0.09 -0.03 0.03 0.25 -0.12 0.06 -0.09 -0.04 0.02 0.32 -0.16 0.06 -0.12 -0.07 0.02 0.26 -0.15 0.07 -0.13 -0.07 0.02 0.28 -0.17 -0.38 -0.13 -0.27 -0.16 -0.40 -0.15 -0.36 -0.14 -0.30 -0.02
feature_67 -0.04 0.02 -0.01 -0.01 -0.01 -0.00 -0.00 -0.04 -0.02 -0.03 -0.03 -0.02 -0.02 -0.01 -0.03 -0.03 -0.05 -0.06 -0.03 -0.04 -0.04 -0.04 -0.05 -0.06 -0.05 -0.05 -0.07 -0.08 -0.05 -0.06 -0.06 -0.06 -0.07 -0.07 0.01 0.01 0.02 0.02 0.01 0.01 0.02 0.01 0.02 0.01 -0.04 -0.05 0.01 0.01 -0.04 0.02 0.02 -0.04 -0.01 0.05 0.07 0.05 0.05 0.06 0.05 -0.03 -0.11 -0.20 -0.04 -0.02 -0.05 -0.06 -0.04 0.62 0.62 -0.22 -0.22 0.70 0.27 0.27 1.00 1.00 -0.02 -0.05 -0.04 0.12 0.07 0.09 0.08 0.07 0.18 0.14 0.07 0.09 0.08 0.07 0.18 -0.04 0.07 -0.03 0.01 0.06 0.32 -0.04 0.08 -0.04 0.01 0.06 0.37 -0.12 -0.04 -0.11 -0.07 -0.05 0.25 -0.11 -0.03 -0.11 -0.08 -0.04 0.32 -0.10 0.05 -0.07 -0.03 0.03 0.31 -0.08 0.07 -0.08 -0.03 0.04 0.33 -0.18 -0.37 -0.14 -0.25 -0.17 -0.39 -0.16 -0.34 -0.15 -0.29 -0.03
feature_68 -0.04 0.02 -0.01 -0.01 -0.01 -0.00 -0.00 -0.04 -0.02 -0.04 -0.02 -0.02 -0.02 -0.01 -0.03 -0.03 -0.05 -0.06 -0.03 -0.03 -0.03 -0.04 -0.04 -0.06 -0.05 -0.05 -0.07 -0.07 -0.05 -0.05 -0.06 -0.06 -0.06 -0.07 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.01 0.02 0.01 -0.04 -0.04 0.01 0.01 -0.04 0.02 0.02 -0.04 -0.02 0.05 0.07 0.05 0.04 0.06 0.05 -0.03 -0.11 -0.20 -0.04 -0.02 -0.05 -0.06 -0.04 0.62 0.62 -0.22 -0.22 0.70 0.27 0.27 1.00 1.00 -0.02 -0.05 -0.04 0.12 0.07 0.09 0.08 0.07 0.18 0.14 0.07 0.09 0.08 0.07 0.18 -0.05 0.07 -0.03 0.01 0.06 0.32 -0.04 0.08 -0.04 0.01 0.06 0.37 -0.11 -0.04 -0.11 -0.07 -0.05 0.25 -0.11 -0.02 -0.11 -0.07 -0.04 0.32 -0.10 0.05 -0.07 -0.03 0.03 0.31 -0.08 0.07 -0.08 -0.03 0.04 0.33 -0.18 -0.37 -0.14 -0.25 -0.17 -0.39 -0.16 -0.34 -0.15 -0.28 -0.03
feature_69 -0.03 -0.01 0.05 0.04 0.03 0.01 0.02 0.03 0.91 0.75 0.04 0.03 0.03 0.02 0.15 0.11 0.77 0.61 0.26 0.20 0.45 0.32 0.67 0.52 0.14 0.11 0.29 0.23 0.18 0.14 0.22 0.17 0.25 0.20 0.07 0.06 0.21 0.16 0.12 0.09 0.15 0.12 0.16 0.14 0.07 0.05 0.02 0.01 -0.35 0.49 0.37 0.01 -0.21 0.24 0.52 0.33 0.18 0.07 -0.01 -0.21 0.49 0.03 0.06 0.05 0.06 0.05 0.04 0.03 0.03 0.03 0.04 0.01 -0.02 -0.02 -0.02 -0.02 1.00 0.59 0.83 -0.01 -0.05 -0.02 -0.03 -0.05 -0.04 -0.01 -0.05 -0.01 -0.03 -0.04 -0.01 0.10 0.20 0.12 0.15 0.18 0.09 -0.16 0.06 -0.11 -0.06 0.01 -0.17 0.11 0.27 0.15 0.18 0.24 0.09 -0.16 0.12 -0.09 -0.03 0.06 -0.16 0.13 0.49 0.16 0.25 0.42 0.09 -0.15 0.22 -0.09 -0.01 0.12 -0.16 0.46 -0.07 0.46 -0.06 0.47 -0.07 0.48 -0.06 0.47 -0.06 -0.03
feature_70 -0.01 0.25 0.03 0.02 0.01 0.00 0.00 0.02 0.54 0.70 0.02 0.02 0.01 0.01 0.05 0.08 0.31 0.48 0.09 0.15 0.17 0.24 0.27 0.40 0.06 0.08 0.15 0.20 0.08 0.11 0.11 0.14 0.13 0.18 0.02 0.05 0.11 0.16 0.05 0.08 0.08 0.12 0.09 0.15 0.03 0.04 -0.00 0.01 0.14 -0.27 -0.24 -0.02 -0.00 0.03 -0.00 0.06 0.09 0.13 0.25 -0.15 -0.10 0.22 -0.01 0.02 -0.01 -0.01 0.00 -0.01 -0.01 0.00 -0.00 -0.04 -0.03 -0.03 -0.05 -0.05 0.59 1.00 0.77 -0.00 -0.02 -0.01 -0.02 -0.02 0.02 -0.01 -0.03 -0.01 -0.02 -0.03 0.01 0.00 0.10 0.03 0.06 0.08 -0.06 0.03 0.13 0.06 0.08 0.11 -0.03 0.01 0.13 0.05 0.07 0.11 -0.06 0.04 0.16 0.07 0.10 0.14 -0.03 0.02 0.23 0.04 0.09 0.19 -0.06 0.04 0.29 0.09 0.15 0.23 -0.03 -0.19 0.14 -0.15 0.17 -0.18 0.17 -0.17 0.17 -0.16 0.17 -0.01
feature_71 0.02 0.07 0.04 0.03 0.02 0.01 0.01 0.02 0.75 0.89 0.03 0.04 0.02 0.02 0.11 0.13 0.58 0.72 0.19 0.24 0.33 0.38 0.50 0.61 0.10 0.11 0.22 0.26 0.13 0.15 0.16 0.18 0.19 0.23 0.05 0.07 0.17 0.20 0.09 0.11 0.12 0.15 0.13 0.18 0.05 0.06 0.01 0.02 -0.25 0.16 -0.11 -0.00 -0.23 0.11 0.24 0.22 0.20 0.06 0.09 -0.22 0.24 0.12 0.03 0.05 0.03 0.03 0.03 0.01 0.01 0.03 0.03 -0.00 -0.02 -0.02 -0.04 -0.04 0.83 0.77 1.00 -0.00 -0.04 -0.01 -0.03 -0.04 0.01 0.00 -0.03 -0.01 -0.02 -0.03 0.03 0.07 0.24 0.11 0.17 0.22 0.01 -0.20 0.07 -0.13 -0.07 0.02 -0.26 0.08 0.29 0.14 0.19 0.27 0.01 -0.21 0.11 -0.12 -0.05 0.05 -0.26 0.11 0.53 0.16 0.26 0.46 0.02 -0.21 0.21 -0.13 -0.03 0.11 -0.25 0.18 0.02 0.20 0.05 0.19 0.04 0.21 0.04 0.21 0.04 0.03
feature_72 0.00 0.00 -0.00 -0.00 -0.00 -0.00 -0.00 -0.12 -0.01 -0.00 -0.01 -0.01 -0.01 -0.01 -0.01 -0.00 -0.01 -0.00 -0.01 -0.00 -0.01 -0.00 -0.01 -0.00 -0.07 -0.08 -0.13 -0.14 -0.08 -0.08 -0.10 -0.11 -0.12 -0.13 0.06 0.07 0.13 0.15 0.07 0.09 0.10 0.11 0.12 0.14 -0.08 -0.09 0.07 0.08 0.00 -0.01 -0.01 -0.04 -0.02 -0.01 -0.01 -0.01 -0.01 -0.01 -0.00 0.00 -0.01 -0.01 0.01 0.00 0.01 0.01 0.01 0.10 0.10 -0.10 -0.10 -0.00 -0.13 -0.11 0.12 0.12 -0.01 -0.00 -0.00 1.00 0.27 0.64 0.44 0.31 0.40 0.77 0.21 0.49 0.34 0.24 0.31 0.27 0.21 0.31 0.29 0.24 0.01 0.21 0.17 0.24 0.23 0.19 0.02 -0.21 -0.20 -0.17 -0.19 -0.20 -0.09 -0.14 -0.15 -0.12 -0.13 -0.15 -0.06 0.03 -0.01 0.07 0.05 0.01 -0.04 0.03 -0.01 0.06 0.04 0.01 -0.02 -0.02 0.01 -0.01 0.01 -0.02 0.01 -0.01 0.02 -0.01 0.02 -0.00
feature_73 -0.00 0.00 -0.00 0.00 -0.00 0.00 0.01 -0.58 -0.04 -0.03 0.01 -0.00 0.00 -0.01 0.01 0.01 -0.05 -0.04 -0.01 -0.01 -0.03 -0.02 -0.04 -0.03 -0.40 -0.40 -0.60 -0.63 -0.45 -0.39 -0.49 -0.50 -0.57 -0.58 0.38 0.40 0.59 0.62 0.41 0.43 0.47 0.46 0.57 0.57 -0.44 -0.45 0.43 0.45 0.02 -0.03 -0.02 -0.00 0.01 -0.02 -0.03 -0.02 -0.01 -0.01 0.00 0.02 -0.03 -0.01 0.00 -0.00 0.00 0.00 0.00 0.03 0.03 -0.04 -0.04 0.00 -0.05 -0.04 0.07 0.07 -0.05 -0.02 -0.04 0.27 1.00 0.44 0.70 0.93 0.10 0.20 0.75 0.30 0.49 0.65 0.06 0.07 0.76 0.18 0.43 0.67 0.01 0.08 0.61 0.16 0.29 0.47 0.02 -0.11 -0.80 -0.25 -0.42 -0.69 -0.02 -0.09 -0.58 -0.16 -0.30 -0.51 -0.01 -0.02 -0.07 -0.03 -0.04 -0.06 -0.01 -0.00 -0.05 -0.01 -0.02 -0.04 0.00 -0.03 0.01 -0.03 -0.00 -0.03 0.01 -0.03 0.00 -0.03 0.00 -0.01
feature_74 0.00 0.00 -0.00 -0.00 -0.00 -0.00 -0.00 -0.22 -0.01 -0.01 -0.01 -0.01 -0.01 -0.01 -0.00 -0.00 -0.02 -0.01 -0.01 -0.01 -0.01 -0.01 -0.02 -0.01 -0.15 -0.16 -0.23 -0.25 -0.16 -0.15 -0.18 -0.19 -0.21 -0.23 0.13 0.15 0.23 0.25 0.14 0.15 0.17 0.18 0.22 0.23 -0.16 -0.17 0.14 0.16 0.00 -0.00 -0.00 -0.02 -0.01 -0.01 -0.01 -0.01 -0.01 -0.01 -0.00 0.01 -0.01 -0.01 0.00 0.00 0.00 0.01 0.00 0.07 0.06 -0.07 -0.07 -0.00 -0.09 -0.08 0.09 0.09 -0.02 -0.01 -0.01 0.64 0.44 1.00 0.72 0.51 0.26 0.48 0.34 0.74 0.54 0.38 0.19 0.15 0.34 0.39 0.41 0.37 0.01 0.13 0.27 0.30 0.31 0.28 0.02 -0.17 -0.35 -0.35 -0.36 -0.36 -0.06 -0.12 -0.26 -0.24 -0.25 -0.27 -0.04 -0.01 -0.03 0.02 0.02 -0.01 -0.03 0.00 -0.02 0.03 0.02 -0.00 -0.01 -0.01 0.01 -0.01 0.01 -0.01 0.01 -0.01 0.01 -0.01 0.01 0.00
feature_75 -0.00 0.00 -0.00 -0.00 -0.00 -0.00 0.00 -0.37 -0.03 -0.02 -0.01 -0.01 -0.01 -0.02 -0.00 -0.00 -0.03 -0.03 -0.01 -0.01 -0.03 -0.02 -0.03 -0.02 -0.26 -0.26 -0.39 -0.41 -0.29 -0.26 -0.31 -0.32 -0.37 -0.38 0.24 0.26 0.38 0.41 0.25 0.27 0.30 0.30 0.37 0.38 -0.28 -0.29 0.26 0.28 0.01 -0.02 -0.01 -0.02 -0.00 -0.01 -0.02 -0.02 -0.01 -0.01 -0.00 0.01 -0.02 -0.01 0.00 -0.00 0.00 0.00 -0.00 0.05 0.05 -0.05 -0.05 0.00 -0.07 -0.06 0.08 0.08 -0.03 -0.02 -0.03 0.44 0.70 0.72 1.00 0.78 0.18 0.34 0.53 0.53 0.76 0.58 0.12 0.10 0.52 0.26 0.53 0.55 0.00 0.10 0.42 0.22 0.41 0.42 0.02 -0.15 -0.55 -0.32 -0.56 -0.57 -0.04 -0.11 -0.41 -0.21 -0.40 -0.42 -0.03 -0.02 -0.05 -0.03 -0.03 -0.04 -0.02 -0.00 -0.03 -0.00 -0.01 -0.03 -0.01 -0.02 0.01 -0.02 -0.00 -0.02 0.01 -0.02 0.00 -0.02 0.00 -0.00
feature_76 -0.00 0.00 -0.00 0.00 -0.00 0.00 0.01 -0.53 -0.04 -0.03 0.00 -0.00 -0.00 -0.02 0.00 0.00 -0.04 -0.04 -0.01 -0.01 -0.03 -0.02 -0.04 -0.03 -0.37 -0.37 -0.55 -0.58 -0.41 -0.36 -0.45 -0.46 -0.52 -0.54 0.35 0.36 0.54 0.57 0.37 0.39 0.43 0.42 0.52 0.53 -0.40 -0.41 0.39 0.41 0.01 -0.03 -0.02 -0.01 0.01 -0.02 -0.03 -0.02 -0.01 -0.01 0.00 0.02 -0.03 -0.01 0.00 -0.00 0.00 0.00 -0.00 0.04 0.04 -0.04 -0.04 0.00 -0.06 -0.05 0.07 0.07 -0.05 -0.02 -0.04 0.31 0.93 0.51 0.78 1.00 0.12 0.24 0.70 0.37 0.57 0.74 0.08 0.08 0.70 0.20 0.46 0.70 0.00 0.09 0.57 0.18 0.33 0.53 0.02 -0.12 -0.74 -0.27 -0.46 -0.74 -0.03 -0.10 -0.54 -0.17 -0.33 -0.56 -0.01 -0.02 -0.06 -0.03 -0.04 -0.06 -0.01 -0.00 -0.04 -0.01 -0.02 -0.04 0.00 -0.03 0.00 -0.03 -0.00 -0.03 0.01 -0.03 0.00 -0.03 0.00 -0.00
feature_77 0.00 0.02 -0.01 -0.01 -0.01 -0.01 -0.01 -0.02 -0.03 0.01 -0.01 -0.01 -0.01 -0.01 -0.02 -0.01 -0.04 0.00 -0.02 -0.01 -0.03 -0.00 -0.04 0.00 -0.01 -0.01 -0.04 -0.03 -0.02 -0.02 -0.03 -0.02 -0.04 -0.03 -0.01 0.01 0.02 0.04 0.00 0.01 0.01 0.02 0.02 0.03 -0.01 -0.01 -0.01 0.00 0.03 -0.07 -0.09 -0.15 -0.07 -0.04 -0.07 -0.04 -0.01 -0.01 0.02 0.00 -0.05 0.02 0.02 0.01 0.02 0.02 0.01 0.25 0.25 -0.34 -0.34 -0.07 -0.28 -0.27 0.18 0.18 -0.04 0.02 0.01 0.40 0.10 0.26 0.18 0.12 1.00 0.34 0.08 0.21 0.14 0.10 0.81 0.07 0.07 0.08 0.09 0.08 -0.10 0.09 0.06 0.09 0.09 0.07 -0.01 -0.13 -0.08 -0.10 -0.10 -0.09 -0.32 -0.07 -0.06 -0.06 -0.06 -0.06 -0.18 -0.02 -0.01 -0.01 -0.02 -0.01 -0.20 0.01 -0.00 0.02 0.01 0.00 -0.10 -0.06 0.07 -0.05 0.06 -0.06 0.07 -0.06 0.07 -0.05 0.06 0.00
feature_78 -0.00 0.00 0.00 0.00 -0.00 -0.00 0.00 -0.13 -0.00 0.00 -0.01 -0.00 -0.01 -0.01 -0.01 0.00 -0.01 0.00 -0.01 0.00 -0.01 0.00 -0.01 0.00 -0.07 -0.07 -0.11 -0.12 -0.08 -0.07 -0.09 -0.09 -0.10 -0.11 0.06 0.08 0.11 0.12 0.07 0.08 0.09 0.09 0.11 0.11 -0.09 -0.09 0.07 0.09 -0.02 0.00 -0.01 -0.02 -0.04 -0.03 -0.01 -0.01 -0.00 -0.03 -0.01 -0.01 -0.01 -0.02 0.01 0.00 0.01 0.01 0.01 0.11 0.11 -0.11 -0.11 0.00 -0.13 -0.11 0.14 0.14 -0.01 -0.01 0.00 0.77 0.20 0.48 0.34 0.24 0.34 1.00 0.26 0.63 0.44 0.31 0.41 0.22 0.17 0.24 0.23 0.19 0.02 0.23 0.19 0.27 0.26 0.22 0.02 -0.15 -0.15 -0.12 -0.13 -0.15 -0.06 -0.18 -0.19 -0.16 -0.18 -0.20 -0.07 0.04 0.01 0.07 0.05 0.02 -0.02 0.02 -0.01 0.05 0.03 -0.00 -0.03 -0.01 -0.01 -0.01 -0.00 -0.01 -0.00 -0.01 0.00 -0.01 0.00 -0.00
feature_79 -0.00 0.00 -0.00 0.00 -0.00 0.01 0.01 -0.52 -0.04 -0.03 0.01 0.00 0.00 -0.01 0.01 0.00 -0.04 -0.03 -0.01 -0.01 -0.03 -0.02 -0.04 -0.03 -0.34 -0.33 -0.47 -0.46 -0.37 -0.31 -0.39 -0.38 -0.44 -0.43 0.33 0.33 0.45 0.45 0.33 0.34 0.37 0.35 0.44 0.42 -0.38 -0.38 0.37 0.39 0.01 -0.02 -0.02 -0.00 -0.01 -0.03 -0.03 -0.02 -0.01 -0.02 -0.01 0.01 -0.03 -0.02 0.00 -0.00 0.00 0.00 0.00 0.03 0.03 -0.04 -0.04 0.00 -0.05 -0.04 0.07 0.07 -0.05 -0.03 -0.03 0.21 0.75 0.34 0.53 0.70 0.08 0.26 1.00 0.41 0.63 0.87 0.09 0.06 0.57 0.13 0.32 0.51 0.01 0.06 0.72 0.16 0.32 0.58 0.01 -0.09 -0.60 -0.19 -0.32 -0.52 -0.02 -0.10 -0.78 -0.19 -0.38 -0.65 -0.02 -0.02 -0.05 -0.02 -0.03 -0.04 -0.01 -0.02 -0.10 -0.03 -0.04 -0.08 -0.01 -0.02 0.00 -0.02 -0.00 -0.02 0.01 -0.02 0.00 -0.02 -0.00 -0.00
feature_80 0.00 0.00 -0.00 0.00 -0.00 -0.00 0.00 -0.20 -0.01 -0.00 -0.01 -0.00 -0.01 -0.01 -0.00 0.00 -0.01 -0.01 -0.01 -0.00 -0.01 -0.00 -0.01 -0.01 -0.13 -0.13 -0.17 -0.18 -0.13 -0.12 -0.14 -0.14 -0.16 -0.17 0.12 0.13 0.17 0.18 0.11 0.12 0.14 0.14 0.16 0.17 -0.14 -0.15 0.13 0.14 -0.01 0.00 -0.00 -0.02 -0.03 -0.02 -0.00 -0.01 -0.01 -0.02 -0.01 -0.00 -0.01 -0.02 0.00 0.00 0.01 0.01 0.00 0.07 0.07 -0.07 -0.07 0.00 -0.09 -0.08 0.09 0.09 -0.01 -0.01 -0.01 0.49 0.30 0.74 0.53 0.37 0.21 0.63 0.41 1.00 0.71 0.50 0.25 0.12 0.24 0.30 0.32 0.27 0.01 0.14 0.29 0.36 0.37 0.33 0.01 -0.12 -0.24 -0.26 -0.25 -0.25 -0.04 -0.14 -0.31 -0.32 -0.34 -0.34 -0.05 0.00 -0.01 0.03 0.03 0.00 -0.01 -0.00 -0.04 0.02 0.01 -0.04 -0.02 -0.01 -0.00 -0.01 -0.01 -0.01 -0.00 -0.01 0.00 -0.01 -0.00 0.00
feature_81 -0.00 0.00 -0.00 0.00 -0.00 0.00 0.00 -0.35 -0.02 -0.02 -0.00 -0.00 -0.01 -0.01 -0.00 -0.00 -0.02 -0.02 -0.01 -0.01 -0.02 -0.01 -0.02 -0.02 -0.23 -0.23 -0.30 -0.31 -0.24 -0.21 -0.25 -0.25 -0.29 -0.29 0.21 0.22 0.30 0.30 0.21 0.22 0.24 0.24 0.29 0.28 -0.25 -0.26 0.24 0.26 -0.00 -0.01 -0.01 -0.01 -0.01 -0.02 -0.01 -0.01 -0.01 -0.02 -0.01 0.00 -0.02 -0.03 0.00 -0.00 0.00 0.00 0.00 0.05 0.05 -0.05 -0.05 0.00 -0.07 -0.06 0.08 0.08 -0.03 -0.02 -0.02 0.34 0.49 0.54 0.76 0.57 0.14 0.44 0.63 0.71 1.00 0.75 0.17 0.08 0.38 0.21 0.42 0.41 0.01 0.10 0.47 0.25 0.49 0.49 0.01 -0.11 -0.39 -0.23 -0.40 -0.41 -0.03 -0.12 -0.49 -0.27 -0.52 -0.53 -0.04 -0.01 -0.03 -0.01 -0.01 -0.02 -0.01 -0.01 -0.06 -0.01 -0.02 -0.07 -0.01 -0.01 -0.00 -0.02 -0.02 -0.01 0.00 -0.01 -0.00 -0.02 -0.01 -0.00
feature_82 -0.00 0.00 -0.00 0.00 -0.00 0.00 0.01 -0.45 -0.03 -0.02 0.00 -0.00 -0.00 -0.01 0.00 0.00 -0.04 -0.03 -0.01 -0.01 -0.02 -0.02 -0.03 -0.02 -0.30 -0.29 -0.40 -0.40 -0.32 -0.27 -0.34 -0.33 -0.39 -0.38 0.28 0.29 0.39 0.39 0.29 0.29 0.32 0.30 0.38 0.37 -0.33 -0.33 0.32 0.33 0.00 -0.01 -0.02 -0.01 -0.01 -0.03 -0.02 -0.02 -0.01 -0.02 -0.01 0.01 -0.02 -0.03 0.00 -0.00 0.00 0.00 0.00 0.04 0.04 -0.04 -0.04 0.00 -0.06 -0.04 0.07 0.07 -0.04 -0.03 -0.03 0.24 0.65 0.38 0.58 0.74 0.10 0.31 0.87 0.50 0.75 1.00 0.11 0.06 0.50 0.15 0.34 0.52 0.01 0.07 0.62 0.17 0.36 0.63 0.01 -0.09 -0.52 -0.20 -0.34 -0.54 -0.02 -0.11 -0.68 -0.23 -0.44 -0.73 -0.03 -0.02 -0.04 -0.02 -0.03 -0.05 -0.01 -0.02 -0.09 -0.03 -0.06 -0.11 -0.01 -0.02 0.00 -0.02 -0.02 -0.02 0.00 -0.02 -0.00 -0.02 -0.01 -0.00
feature_83 0.01 0.01 -0.00 -0.00 -0.01 -0.01 -0.01 -0.02 -0.01 0.02 -0.01 -0.00 -0.00 -0.00 -0.01 0.00 -0.02 0.02 -0.01 0.00 -0.01 0.01 -0.01 0.02 -0.01 -0.01 -0.03 -0.02 -0.01 -0.01 -0.02 -0.01 -0.02 -0.02 -0.00 0.01 0.01 0.03 0.00 0.01 0.01 0.02 0.01 0.02 -0.01 -0.01 -0.00 0.01 -0.02 -0.02 -0.07 -0.08 -0.11 -0.06 -0.04 -0.02 0.00 -0.05 0.00 -0.02 -0.02 0.00 0.02 0.01 0.02 0.02 0.01 0.25 0.25 -0.33 -0.34 -0.06 -0.27 -0.27 0.18 0.18 -0.01 0.01 0.03 0.31 0.06 0.19 0.12 0.08 0.81 0.41 0.09 0.25 0.17 0.11 1.00 0.09 0.06 0.09 0.09 0.07 -0.02 0.07 0.06 0.08 0.08 0.07 -0.02 -0.06 -0.03 -0.05 -0.04 -0.04 -0.19 -0.10 -0.07 -0.09 -0.08 -0.08 -0.21 0.02 0.03 0.03 0.03 0.03 -0.10 -0.02 -0.01 -0.00 -0.00 -0.01 -0.12 -0.02 0.05 -0.02 0.04 -0.02 0.05 -0.02 0.04 -0.02 0.04 0.01
feature_84 -0.01 -0.04 0.01 0.01 0.01 0.01 0.01 -0.04 0.09 0.07 -0.02 -0.01 -0.02 -0.02 -0.02 -0.00 0.08 0.06 0.00 0.01 0.03 0.03 0.07 0.05 -0.02 -0.02 -0.00 -0.01 -0.01 -0.00 0.00 -0.00 0.00 -0.00 0.02 0.03 0.08 0.08 0.04 0.04 0.07 0.07 0.08 0.09 -0.04 -0.04 0.02 0.03 -0.13 0.13 0.11 0.52 0.22 0.03 0.14 0.09 0.04 -0.01 -0.04 0.00 0.12 0.04 0.06 0.03 0.08 0.09 0.07 0.12 0.13 -0.00 -0.00 -0.06 -0.18 -0.17 -0.04 -0.05 0.10 0.00 0.07 0.27 0.07 0.15 0.10 0.08 0.07 0.22 0.06 0.12 0.08 0.06 0.09 1.00 0.20 0.82 0.62 0.34 0.58 0.65 0.12 0.55 0.43 0.23 0.30 0.87 0.07 0.70 0.49 0.21 0.53 0.53 0.02 0.46 0.32 0.12 0.26 0.95 0.19 0.82 0.65 0.36 0.56 0.61 0.08 0.54 0.43 0.23 0.29 0.11 0.02 0.14 0.07 0.12 0.05 0.14 0.07 0.14 0.08 -0.01
feature_85 0.01 -0.04 0.00 0.01 0.00 0.00 0.01 -0.51 0.16 0.18 0.04 0.03 0.03 0.01 0.06 0.06 0.15 0.19 0.07 0.09 0.10 0.11 0.13 0.17 -0.31 -0.31 -0.42 -0.44 -0.35 -0.29 -0.37 -0.37 -0.42 -0.42 0.36 0.38 0.55 0.58 0.38 0.40 0.44 0.43 0.51 0.53 -0.36 -0.37 0.39 0.42 -0.17 0.12 -0.02 0.06 -0.09 0.04 0.12 0.12 0.11 0.00 -0.02 -0.12 0.11 0.01 -0.01 0.02 -0.01 -0.01 -0.00 0.06 0.06 0.01 0.01 0.06 -0.02 -0.01 0.07 0.07 0.20 0.10 0.24 0.21 0.76 0.34 0.52 0.70 0.07 0.17 0.57 0.24 0.38 0.50 0.06 0.20 1.00 0.33 0.61 0.89 0.12 0.01 0.74 0.14 0.32 0.58 -0.06 0.05 -0.24 0.00 -0.05 -0.17 0.09 -0.13 -0.22 -0.11 -0.14 -0.22 -0.09 0.15 0.56 0.21 0.33 0.51 0.11 -0.05 0.36 0.02 0.12 0.27 -0.07 0.09 -0.06 0.10 -0.02 0.09 -0.05 0.10 -0.05 0.10 -0.04 0.01
feature_86 -0.00 -0.04 0.01 0.01 0.00 0.01 0.01 -0.10 0.11 0.10 -0.00 0.00 -0.01 -0.00 0.00 0.02 0.10 0.10 0.01 0.03 0.04 0.06 0.09 0.09 -0.06 -0.06 -0.05 -0.06 -0.05 -0.03 -0.04 -0.04 -0.04 -0.05 0.07 0.09 0.15 0.16 0.08 0.09 0.12 0.13 0.15 0.16 -0.07 -0.07 0.07 0.08 -0.14 0.13 0.08 0.42 0.15 0.04 0.14 0.10 0.06 -0.00 -0.03 -0.01 0.14 0.07 0.04 0.04 0.07 0.09 0.07 0.11 0.12 0.00 0.00 -0.03 -0.15 -0.14 -0.03 -0.03 0.12 0.03 0.11 0.31 0.18 0.39 0.26 0.20 0.08 0.24 0.13 0.30 0.21 0.15 0.09 0.82 0.33 1.00 0.80 0.49 0.44 0.50 0.22 0.65 0.55 0.34 0.18 0.67 0.03 0.69 0.50 0.19 0.39 0.37 -0.01 0.44 0.31 0.10 0.15 0.76 0.26 0.92 0.77 0.44 0.42 0.45 0.13 0.57 0.48 0.28 0.18 0.10 -0.01 0.15 0.09 0.12 0.04 0.15 0.07 0.16 0.09 0.00
feature_87 0.00 -0.04 0.00 0.00 -0.00 0.00 0.01 -0.29 0.13 0.15 0.01 0.01 -0.00 -0.00 0.02 0.04 0.12 0.15 0.03 0.05 0.05 0.08 0.10 0.13 -0.17 -0.17 -0.21 -0.22 -0.18 -0.14 -0.17 -0.17 -0.20 -0.20 0.19 0.21 0.33 0.35 0.20 0.22 0.26 0.27 0.31 0.33 -0.20 -0.20 0.20 0.22 -0.16 0.12 0.04 0.30 0.06 0.04 0.14 0.11 0.09 0.00 -0.02 -0.04 0.14 0.07 0.02 0.05 0.04 0.07 0.08 0.11 0.11 0.01 0.01 0.01 -0.12 -0.10 0.01 0.01 0.15 0.06 0.17 0.29 0.43 0.41 0.53 0.46 0.09 0.23 0.32 0.32 0.42 0.34 0.09 0.62 0.61 0.80 1.00 0.76 0.35 0.36 0.44 0.53 0.70 0.54 0.11 0.46 -0.09 0.45 0.36 0.06 0.31 0.21 -0.10 0.26 0.21 -0.01 0.08 0.57 0.38 0.69 0.79 0.55 0.33 0.30 0.22 0.42 0.52 0.36 0.10 0.09 -0.03 0.15 0.08 0.10 0.00 0.12 0.03 0.14 0.07 0.00
feature_88 0.01 -0.04 0.00 0.00 -0.00 0.00 0.01 -0.45 0.14 0.17 0.03 0.03 0.02 0.01 0.05 0.06 0.13 0.17 0.06 0.08 0.09 0.11 0.12 0.15 -0.27 -0.27 -0.37 -0.38 -0.30 -0.25 -0.31 -0.31 -0.35 -0.35 0.31 0.33 0.49 0.52 0.33 0.35 0.38 0.39 0.46 0.48 -0.31 -0.32 0.34 0.36 -0.17 0.12 -0.00 0.14 -0.04 0.04 0.12 0.11 0.10 0.00 -0.02 -0.09 0.12 0.04 0.00 0.04 0.01 0.01 0.03 0.08 0.08 0.01 0.01 0.05 -0.06 -0.04 0.06 0.06 0.18 0.08 0.22 0.24 0.67 0.37 0.55 0.70 0.08 0.19 0.51 0.27 0.41 0.52 0.07 0.34 0.89 0.49 0.76 1.00 0.20 0.13 0.66 0.28 0.47 0.70 -0.00 0.19 -0.20 0.15 0.09 -0.07 0.16 -0.02 -0.19 0.02 -0.02 -0.13 -0.03 0.29 0.51 0.38 0.50 0.62 0.18 0.07 0.32 0.16 0.27 0.39 -0.01 0.08 -0.05 0.12 0.02 0.09 -0.04 0.10 -0.02 0.11 -0.00 0.01
feature_89 -0.03 -0.03 0.00 0.00 0.01 0.01 0.01 -0.01 0.08 0.02 -0.02 -0.01 -0.02 -0.02 -0.01 -0.01 0.06 -0.01 0.00 -0.01 0.02 -0.00 0.04 -0.01 -0.01 -0.01 0.01 -0.01 -0.00 -0.01 0.01 -0.00 0.01 -0.01 0.01 0.00 0.02 0.01 0.02 0.01 0.03 0.01 0.03 0.01 -0.02 -0.02 0.00 0.00 -0.15 0.18 0.18 0.53 0.23 0.07 0.21 0.12 0.06 0.02 -0.02 -0.04 0.04 -0.15 0.03 0.00 0.02 0.02 0.02 0.30 0.30 0.17 0.17 0.40 0.22 0.22 0.32 0.32 0.09 -0.06 0.01 0.01 0.01 0.01 0.00 0.00 -0.10 0.02 0.01 0.01 0.01 0.01 -0.02 0.58 0.12 0.44 0.35 0.20 1.00 0.34 0.06 0.25 0.21 0.11 0.65 0.58 0.10 0.44 0.34 0.18 0.97 0.33 0.05 0.25 0.19 0.10 0.63 0.59 0.18 0.47 0.41 0.27 0.99 0.35 0.09 0.27 0.24 0.16 0.65 -0.00 -0.30 0.03 -0.20 0.01 -0.30 0.03 -0.26 0.04 -0.21 -0.02
feature_90 -0.09 0.05 0.00 0.00 0.00 0.00 0.00 -0.05 -0.12 -0.16 -0.02 -0.01 -0.02 -0.02 -0.05 -0.04 -0.17 -0.20 -0.07 -0.07 -0.11 -0.10 -0.14 -0.18 -0.05 -0.05 -0.06 -0.07 -0.06 -0.05 -0.04 -0.05 -0.05 -0.05 -0.00 0.01 0.03 0.04 0.00 0.01 0.02 0.03 0.04 0.04 -0.05 -0.05 0.01 0.02 0.30 -0.22 0.07 0.36 0.56 -0.01 -0.12 -0.10 -0.10 0.07 0.07 0.10 -0.17 0.11 0.04 0.02 0.06 0.07 0.06 0.13 0.13 -0.00 -0.00 -0.06 -0.18 -0.17 -0.04 -0.04 -0.16 0.03 -0.20 0.21 0.08 0.13 0.10 0.09 0.09 0.23 0.06 0.14 0.10 0.07 0.07 0.65 0.01 0.50 0.36 0.13 0.34 1.00 0.20 0.84 0.66 0.36 0.64 0.55 -0.11 0.41 0.22 -0.00 0.30 0.89 0.08 0.74 0.53 0.24 0.61 0.63 -0.17 0.47 0.29 -0.02 0.33 0.97 0.18 0.85 0.69 0.39 0.62 -0.21 0.11 -0.16 0.17 -0.19 0.14 -0.19 0.17 -0.17 0.18 -0.09
feature_91 -0.03 0.03 0.00 0.00 -0.00 0.00 0.01 -0.52 0.04 0.04 0.03 0.03 0.03 0.01 0.04 0.03 0.01 0.03 0.03 0.03 0.03 0.03 0.02 0.03 -0.32 -0.32 -0.39 -0.39 -0.34 -0.29 -0.35 -0.34 -0.39 -0.38 0.34 0.35 0.46 0.47 0.34 0.35 0.38 0.36 0.44 0.43 -0.36 -0.36 0.38 0.40 0.04 -0.07 -0.02 0.04 0.09 0.02 -0.00 0.01 0.02 0.05 0.05 -0.07 -0.05 0.05 -0.02 0.01 -0.02 -0.02 -0.01 0.06 0.06 0.01 0.01 0.06 -0.02 -0.01 0.08 0.08 0.06 0.13 0.07 0.17 0.61 0.27 0.42 0.57 0.06 0.19 0.72 0.29 0.47 0.62 0.06 0.12 0.74 0.22 0.44 0.66 0.06 0.20 1.00 0.32 0.52 0.83 0.13 0.00 -0.27 -0.05 -0.10 -0.21 0.04 0.07 -0.16 0.05 -0.01 -0.14 0.11 0.07 0.33 0.11 0.18 0.30 0.05 0.15 0.58 0.21 0.32 0.48 0.12 -0.09 -0.03 -0.06 0.03 -0.08 -0.02 -0.08 -0.01 -0.07 0.01 -0.03
feature_92 -0.06 0.04 0.00 0.00 -0.00 -0.00 0.00 -0.11 -0.08 -0.10 -0.01 -0.00 -0.01 -0.01 -0.03 -0.01 -0.12 -0.13 -0.05 -0.04 -0.08 -0.06 -0.10 -0.11 -0.09 -0.09 -0.10 -0.10 -0.09 -0.07 -0.08 -0.08 -0.08 -0.09 0.05 0.07 0.10 0.11 0.05 0.06 0.08 0.08 0.11 0.11 -0.09 -0.09 0.06 0.08 0.24 -0.19 0.05 0.30 0.47 -0.00 -0.10 -0.08 -0.07 0.06 0.06 0.08 -0.12 0.15 0.02 0.02 0.05 0.08 0.06 0.12 0.11 0.00 -0.00 -0.04 -0.16 -0.15 -0.04 -0.04 -0.11 0.06 -0.13 0.24 0.16 0.30 0.22 0.18 0.09 0.27 0.16 0.36 0.25 0.17 0.08 0.55 0.14 0.65 0.53 0.28 0.25 0.84 0.32 1.00 0.83 0.51 0.48 0.44 -0.12 0.43 0.25 0.00 0.22 0.72 0.05 0.75 0.54 0.22 0.44 0.53 -0.07 0.58 0.42 0.10 0.24 0.80 0.24 0.92 0.78 0.47 0.46 -0.18 0.07 -0.11 0.20 -0.15 0.13 -0.14 0.17 -0.12 0.20 -0.06
feature_93 -0.05 0.04 -0.00 -0.00 -0.00 -0.00 0.00 -0.22 -0.04 -0.05 0.00 0.01 -0.00 0.00 -0.01 0.01 -0.08 -0.07 -0.03 -0.01 -0.05 -0.02 -0.06 -0.06 -0.15 -0.15 -0.18 -0.18 -0.16 -0.13 -0.15 -0.15 -0.16 -0.16 0.13 0.15 0.21 0.22 0.13 0.14 0.16 0.17 0.20 0.21 -0.16 -0.16 0.15 0.17 0.18 -0.15 0.02 0.22 0.36 0.01 -0.07 -0.05 -0.04 0.07 0.07 0.05 -0.09 0.14 0.00 0.03 0.02 0.05 0.06 0.11 0.11 0.01 0.01 0.01 -0.12 -0.10 0.01 0.01 -0.06 0.08 -0.07 0.23 0.29 0.31 0.41 0.33 0.09 0.26 0.32 0.37 0.49 0.36 0.08 0.43 0.32 0.55 0.70 0.47 0.21 0.66 0.52 0.83 1.00 0.72 0.38 0.31 -0.16 0.30 0.21 -0.03 0.17 0.53 -0.00 0.55 0.46 0.15 0.35 0.40 0.06 0.45 0.49 0.23 0.19 0.61 0.35 0.74 0.83 0.56 0.37 -0.16 0.03 -0.09 0.17 -0.14 0.07 -0.13 0.11 -0.10 0.16 -0.05
feature_94 -0.03 0.03 0.00 0.00 -0.00 0.00 0.00 -0.36 0.01 0.01 0.03 0.03 0.02 0.01 0.02 0.03 -0.01 0.00 0.01 0.02 0.01 0.02 -0.00 0.01 -0.22 -0.22 -0.28 -0.28 -0.24 -0.20 -0.24 -0.24 -0.27 -0.26 0.23 0.25 0.34 0.35 0.24 0.25 0.27 0.26 0.32 0.33 -0.25 -0.25 0.26 0.28 0.09 -0.10 -0.01 0.10 0.18 0.02 -0.02 -0.01 0.00 0.06 0.06 -0.02 -0.05 0.10 -0.01 0.03 -0.01 0.00 0.02 0.09 0.09 0.01 0.01 0.05 -0.05 -0.04 0.06 0.06 0.01 0.11 0.02 0.19 0.47 0.28 0.42 0.53 0.07 0.22 0.58 0.33 0.49 0.63 0.07 0.23 0.58 0.34 0.54 0.70 0.11 0.36 0.83 0.51 0.72 1.00 0.22 0.11 -0.20 0.09 0.03 -0.09 0.09 0.23 -0.08 0.24 0.18 0.03 0.19 0.19 0.25 0.24 0.31 0.38 0.10 0.31 0.52 0.40 0.52 0.67 0.21 -0.11 -0.01 -0.06 0.09 -0.10 0.01 -0.10 0.03 -0.08 0.06 -0.03
feature_95 -0.10 0.07 -0.01 -0.00 -0.00 0.00 0.00 -0.01 -0.14 -0.21 -0.02 -0.02 -0.02 -0.02 -0.05 -0.05 -0.19 -0.26 -0.07 -0.09 -0.12 -0.14 -0.17 -0.23 -0.04 -0.04 -0.05 -0.07 -0.04 -0.05 -0.04 -0.05 -0.04 -0.06 -0.02 -0.02 -0.03 -0.04 -0.02 -0.03 -0.02 -0.03 -0.01 -0.03 -0.02 -0.02 -0.01 -0.01 0.29 -0.19 0.13 0.35 0.57 0.03 -0.07 -0.08 -0.08 0.11 0.09 0.05 -0.27 -0.12 0.00 -0.01 -0.01 -0.01 -0.00 0.32 0.33 0.20 0.20 0.46 0.27 0.26 0.37 0.37 -0.17 -0.03 -0.26 0.02 0.02 0.02 0.02 0.02 -0.01 0.02 0.01 0.01 0.01 0.01 -0.02 0.30 -0.06 0.18 0.11 -0.00 0.65 0.64 0.13 0.48 0.38 0.22 1.00 0.29 -0.09 0.17 0.09 -0.03 0.61 0.64 0.10 0.46 0.36 0.20 0.98 0.30 -0.18 0.18 0.09 -0.10 0.65 0.66 0.18 0.52 0.45 0.29 0.99 -0.34 -0.26 -0.28 -0.15 -0.32 -0.27 -0.32 -0.22 -0.29 -0.16 -0.10
feature_96 -0.01 -0.04 0.01 0.01 0.01 0.01 0.01 0.06 0.11 0.08 -0.01 -0.01 -0.01 -0.01 -0.01 0.00 0.10 0.07 0.01 0.01 0.04 0.04 0.08 0.06 0.04 0.04 0.11 0.10 0.06 0.06 0.09 0.08 0.11 0.10 -0.03 -0.03 -0.02 -0.03 -0.02 -0.02 -0.01 -0.01 -0.02 -0.02 0.03 0.04 -0.04 -0.04 -0.14 0.15 0.12 0.55 0.23 0.04 0.16 0.10 0.05 -0.00 -0.04 0.00 0.14 0.05 0.06 0.03 0.08 0.09 0.07 0.07 0.08 0.05 0.05 -0.06 -0.12 -0.12 -0.12 -0.11 0.11 0.01 0.08 -0.21 -0.11 -0.17 -0.15 -0.12 -0.13 -0.15 -0.09 -0.12 -0.11 -0.09 -0.06 0.87 0.05 0.67 0.46 0.19 0.58 0.55 0.00 0.44 0.31 0.11 0.29 1.00 0.22 0.82 0.62 0.35 0.58 0.63 0.13 0.55 0.42 0.23 0.30 0.96 0.20 0.80 0.64 0.36 0.59 0.61 0.09 0.53 0.42 0.23 0.30 0.13 0.02 0.15 0.07 0.14 0.05 0.16 0.07 0.16 0.08 -0.01
feature_97 0.02 -0.04 0.01 0.00 0.00 -0.00 -0.01 0.52 0.21 0.22 0.03 0.03 0.02 0.04 0.05 0.05 0.21 0.23 0.08 0.09 0.14 0.14 0.19 0.21 0.39 0.39 0.57 0.59 0.43 0.38 0.46 0.46 0.53 0.54 -0.31 -0.32 -0.44 -0.45 -0.32 -0.33 -0.37 -0.35 -0.45 -0.43 0.42 0.42 -0.36 -0.38 -0.19 0.15 0.01 0.06 -0.10 0.07 0.16 0.15 0.12 0.01 -0.02 -0.14 0.15 0.02 -0.01 0.02 -0.01 -0.01 -0.00 0.01 0.01 0.06 0.06 0.05 0.06 0.05 -0.04 -0.04 0.27 0.13 0.29 -0.20 -0.80 -0.35 -0.55 -0.74 -0.08 -0.15 -0.60 -0.24 -0.39 -0.52 -0.03 0.07 -0.24 0.03 -0.09 -0.20 0.10 -0.11 -0.27 -0.12 -0.16 -0.20 -0.09 0.22 1.00 0.38 0.59 0.89 0.11 0.02 0.70 0.14 0.32 0.59 -0.07 0.17 0.62 0.23 0.36 0.56 0.11 -0.04 0.40 0.03 0.14 0.31 -0.07 0.12 -0.06 0.14 -0.02 0.12 -0.06 0.13 -0.05 0.14 -0.04 0.02
feature_98 -0.00 -0.04 0.01 0.01 0.01 0.01 0.01 0.15 0.13 0.12 0.00 0.01 0.00 0.01 0.01 0.02 0.13 0.13 0.02 0.03 0.06 0.07 0.11 0.11 0.11 0.12 0.21 0.21 0.13 0.13 0.16 0.16 0.20 0.20 -0.08 -0.08 -0.09 -0.10 -0.07 -0.07 -0.07 -0.06 -0.09 -0.08 0.11 0.11 -0.09 -0.09 -0.15 0.14 0.09 0.44 0.16 0.05 0.16 0.11 0.07 0.00 -0.03 -0.01 0.16 0.09 0.04 0.04 0.07 0.10 0.08 0.07 0.07 0.05 0.05 -0.03 -0.09 -0.09 -0.11 -0.11 0.15 0.05 0.14 -0.17 -0.25 -0.35 -0.32 -0.27 -0.10 -0.12 -0.19 -0.26 -0.23 -0.20 -0.05 0.70 0.00 0.69 0.45 0.15 0.44 0.41 -0.05 0.43 0.30 0.09 0.17 0.82 0.38 1.00 0.82 0.53 0.44 0.50 0.25 0.66 0.55 0.36 0.19 0.79 0.30 0.91 0.76 0.47 0.44 0.47 0.16 0.58 0.50 0.30 0.19 0.12 -0.01 0.18 0.10 0.14 0.04 0.17 0.08 0.18 0.10 -0.00
feature_99 0.01 -0.04 0.01 0.01 0.01 0.00 0.00 0.23 0.16 0.16 0.02 0.02 0.01 0.02 0.03 0.04 0.16 0.17 0.05 0.06 0.09 0.10 0.14 0.15 0.18 0.19 0.30 0.32 0.21 0.20 0.24 0.24 0.29 0.30 -0.14 -0.13 -0.18 -0.19 -0.13 -0.13 -0.14 -0.12 -0.18 -0.16 0.18 0.19 -0.15 -0.16 -0.17 0.15 0.06 0.32 0.06 0.06 0.16 0.13 0.10 0.01 -0.02 -0.05 0.17 0.08 0.02 0.05 0.04 0.06 0.07 0.06 0.06 0.07 0.07 0.01 -0.03 -0.03 -0.07 -0.07 0.18 0.07 0.19 -0.19 -0.42 -0.36 -0.56 -0.46 -0.10 -0.13 -0.32 -0.25 -0.40 -0.34 -0.04 0.49 -0.05 0.50 0.36 0.09 0.34 0.22 -0.10 0.25 0.21 0.03 0.09 0.62 0.59 0.82 1.00 0.75 0.35 0.32 0.39 0.49 0.64 0.50 0.10 0.58 0.42 0.72 0.84 0.59 0.35 0.28 0.25 0.40 0.50 0.37 0.10 0.12 -0.04 0.17 0.07 0.13 -0.01 0.15 0.02 0.17 0.06 0.01
feature_100 0.01 -0.04 0.01 0.00 0.01 0.00 -0.00 0.41 0.20 0.21 0.03 0.03 0.03 0.04 0.04 0.05 0.20 0.22 0.08 0.09 0.13 0.14 0.18 0.20 0.31 0.31 0.48 0.51 0.35 0.31 0.38 0.39 0.45 0.47 -0.24 -0.24 -0.35 -0.36 -0.25 -0.25 -0.28 -0.26 -0.34 -0.33 0.33 0.34 -0.28 -0.29 -0.18 0.15 0.02 0.14 -0.05 0.06 0.16 0.14 0.12 0.01 -0.02 -0.11 0.16 0.05 -0.00 0.04 0.00 0.01 0.03 0.03 0.03 0.07 0.07 0.05 0.03 0.03 -0.05 -0.05 0.24 0.11 0.27 -0.20 -0.69 -0.36 -0.57 -0.74 -0.09 -0.15 -0.52 -0.25 -0.41 -0.54 -0.04 0.21 -0.17 0.19 0.06 -0.07 0.18 -0.00 -0.21 0.00 -0.03 -0.09 -0.03 0.35 0.89 0.53 0.75 1.00 0.19 0.12 0.61 0.26 0.44 0.68 -0.01 0.30 0.58 0.39 0.54 0.68 0.19 0.06 0.36 0.16 0.28 0.43 -0.01 0.12 -0.06 0.16 0.02 0.12 -0.05 0.14 -0.03 0.15 -0.01 0.02
feature_101 -0.03 -0.03 0.00 0.01 0.01 0.01 0.01 -0.00 0.08 0.01 -0.01 -0.01 -0.01 -0.01 -0.00 -0.01 0.07 -0.01 0.01 -0.01 0.03 -0.00 0.05 -0.01 -0.00 -0.01 0.02 0.00 0.01 -0.00 0.02 0.00 0.02 0.01 0.01 0.00 0.02 -0.00 0.01 0.00 0.02 0.00 0.02 0.00 -0.01 -0.01 0.00 0.00 -0.15 0.19 0.19 0.54 0.24 0.07 0.21 0.12 0.06 0.02 -0.03 -0.04 0.06 -0.14 0.03 0.00 0.02 0.02 0.01 0.21 0.22 0.22 0.22 0.37 0.25 0.25 0.25 0.25 0.09 -0.06 0.01 -0.09 -0.02 -0.06 -0.04 -0.03 -0.32 -0.06 -0.02 -0.04 -0.03 -0.02 -0.19 0.53 0.09 0.39 0.31 0.16 0.97 0.30 0.04 0.22 0.17 0.09 0.61 0.58 0.11 0.44 0.35 0.19 1.00 0.33 0.06 0.25 0.20 0.11 0.63 0.57 0.17 0.45 0.39 0.26 0.99 0.33 0.09 0.25 0.22 0.14 0.63 0.02 -0.28 0.05 -0.19 0.03 -0.28 0.04 -0.24 0.05 -0.21 -0.02
feature_102 -0.09 0.06 0.00 0.00 0.00 0.01 0.00 0.06 -0.12 -0.16 -0.01 -0.01 -0.02 -0.01 -0.05 -0.04 -0.17 -0.21 -0.07 -0.07 -0.11 -0.11 -0.14 -0.19 0.01 0.01 0.05 0.04 0.02 0.01 0.04 0.03 0.05 0.05 -0.06 -0.06 -0.08 -0.08 -0.06 -0.06 -0.06 -0.05 -0.06 -0.06 0.03 0.03 -0.05 -0.05 0.32 -0.23 0.08 0.38 0.59 0.01 -0.12 -0.11 -0.10 0.08 0.07 0.11 -0.17 0.12 0.04 0.02 0.06 0.07 0.06 0.08 0.08 0.05 0.05 -0.06 -0.11 -0.12 -0.11 -0.11 -0.16 0.04 -0.21 -0.14 -0.09 -0.12 -0.11 -0.10 -0.07 -0.18 -0.10 -0.14 -0.12 -0.11 -0.10 0.53 -0.13 0.37 0.21 -0.02 0.33 0.89 0.07 0.72 0.53 0.23 0.64 0.63 0.02 0.50 0.32 0.12 0.33 1.00 0.21 0.83 0.64 0.37 0.65 0.62 -0.18 0.44 0.27 -0.03 0.34 0.97 0.19 0.84 0.69 0.40 0.64 -0.21 0.11 -0.16 0.17 -0.19 0.15 -0.19 0.17 -0.17 0.18 -0.09
feature_103 -0.02 0.02 0.00 -0.00 -0.00 -0.01 -0.01 0.44 0.10 0.08 0.02 0.03 0.02 0.03 0.03 0.03 0.08 0.08 0.04 0.04 0.07 0.06 0.09 0.08 0.31 0.30 0.42 0.41 0.33 0.28 0.35 0.33 0.40 0.38 -0.26 -0.26 -0.34 -0.33 -0.26 -0.26 -0.29 -0.27 -0.34 -0.32 0.34 0.34 -0.30 -0.31 0.02 -0.03 0.01 0.03 0.09 0.07 0.04 0.04 0.03 0.08 0.05 -0.08 0.00 0.07 -0.02 0.01 -0.02 -0.02 -0.01 0.01 0.01 0.06 0.06 0.05 0.06 0.06 -0.03 -0.02 0.12 0.16 0.11 -0.15 -0.58 -0.26 -0.41 -0.54 -0.06 -0.19 -0.78 -0.31 -0.49 -0.68 -0.07 0.02 -0.22 -0.01 -0.10 -0.19 0.05 0.08 -0.16 0.05 -0.00 -0.08 0.10 0.13 0.70 0.25 0.39 0.61 0.06 0.21 1.00 0.33 0.54 0.84 0.12 0.09 0.38 0.12 0.21 0.34 0.06 0.15 0.68 0.23 0.35 0.56 0.11 -0.05 -0.03 -0.02 0.03 -0.04 -0.03 -0.04 -0.02 -0.03 0.00 -0.02
feature_104 -0.06 0.04 0.00 0.00 0.00 0.00 0.00 0.11 -0.06 -0.09 -0.00 0.01 -0.00 0.00 -0.03 -0.01 -0.10 -0.11 -0.04 -0.03 -0.06 -0.05 -0.08 -0.10 0.06 0.06 0.11 0.10 0.06 0.06 0.08 0.08 0.11 0.10 -0.08 -0.07 -0.10 -0.09 -0.08 -0.07 -0.08 -0.06 -0.08 -0.08 0.07 0.07 -0.08 -0.07 0.23 -0.17 0.06 0.31 0.48 0.02 -0.08 -0.06 -0.06 0.08 0.06 0.08 -0.10 0.16 0.02 0.02 0.04 0.07 0.06 0.07 0.07 0.05 0.05 -0.04 -0.09 -0.09 -0.11 -0.11 -0.09 0.07 -0.12 -0.12 -0.16 -0.24 -0.21 -0.17 -0.06 -0.16 -0.19 -0.32 -0.27 -0.23 -0.09 0.46 -0.11 0.44 0.26 0.02 0.25 0.74 0.05 0.75 0.55 0.24 0.46 0.55 0.14 0.66 0.49 0.26 0.25 0.83 0.33 1.00 0.82 0.52 0.48 0.53 -0.05 0.57 0.42 0.12 0.25 0.81 0.27 0.92 0.79 0.50 0.47 -0.15 0.07 -0.09 0.20 -0.13 0.13 -0.12 0.17 -0.10 0.20 -0.06
feature_105 -0.05 0.03 0.00 -0.00 0.00 -0.00 -0.00 0.22 -0.02 -0.03 0.01 0.02 0.01 0.02 -0.00 0.01 -0.04 -0.05 -0.01 -0.00 -0.02 -0.01 -0.03 -0.04 0.14 0.14 0.21 0.21 0.15 0.13 0.17 0.17 0.21 0.20 -0.14 -0.13 -0.17 -0.17 -0.13 -0.13 -0.14 -0.12 -0.16 -0.15 0.16 0.16 -0.15 -0.15 0.17 -0.13 0.04 0.22 0.36 0.03 -0.04 -0.03 -0.03 0.08 0.07 0.04 -0.06 0.16 -0.00 0.03 0.02 0.05 0.06 0.06 0.06 0.06 0.06 0.01 -0.04 -0.04 -0.08 -0.07 -0.03 0.10 -0.05 -0.13 -0.30 -0.25 -0.40 -0.33 -0.06 -0.18 -0.38 -0.34 -0.52 -0.44 -0.08 0.32 -0.14 0.31 0.21 -0.02 0.19 0.53 -0.01 0.54 0.46 0.18 0.36 0.42 0.32 0.55 0.64 0.44 0.20 0.64 0.54 0.82 1.00 0.74 0.37 0.40 0.09 0.45 0.50 0.25 0.20 0.60 0.40 0.73 0.84 0.63 0.37 -0.13 0.02 -0.06 0.18 -0.11 0.07 -0.10 0.11 -0.07 0.16 -0.05
feature_106 -0.03 0.02 0.00 -0.00 0.00 -0.00 -0.01 0.41 0.05 0.04 0.02 0.03 0.02 0.03 0.01 0.02 0.03 0.03 0.02 0.03 0.03 0.04 0.04 0.03 0.27 0.27 0.38 0.38 0.29 0.25 0.31 0.30 0.36 0.36 -0.24 -0.24 -0.32 -0.31 -0.25 -0.24 -0.27 -0.24 -0.31 -0.29 0.31 0.31 -0.28 -0.29 0.08 -0.08 0.01 0.10 0.18 0.05 0.00 0.01 0.01 0.09 0.06 -0.04 -0.02 0.12 -0.02 0.03 -0.01 0.00 0.02 0.03 0.03 0.06 0.06 0.04 0.03 0.02 -0.04 -0.04 0.06 0.14 0.05 -0.15 -0.51 -0.27 -0.42 -0.56 -0.06 -0.20 -0.65 -0.34 -0.53 -0.73 -0.08 0.12 -0.22 0.10 -0.01 -0.13 0.10 0.24 -0.14 0.22 0.15 0.03 0.20 0.23 0.59 0.36 0.50 0.68 0.11 0.37 0.84 0.52 0.74 1.00 0.22 0.20 0.27 0.24 0.32 0.40 0.11 0.31 0.57 0.41 0.54 0.73 0.21 -0.08 -0.01 -0.03 0.11 -0.07 0.01 -0.07 0.03 -0.05 0.07 -0.03
feature_107 -0.10 0.07 -0.00 -0.00 0.00 0.01 0.01 0.00 -0.13 -0.21 -0.01 -0.01 -0.02 -0.01 -0.05 -0.05 -0.18 -0.26 -0.07 -0.09 -0.11 -0.14 -0.16 -0.23 -0.03 -0.04 -0.04 -0.05 -0.03 -0.04 -0.03 -0.04 -0.02 -0.04 -0.02 -0.03 -0.04 -0.05 -0.03 -0.04 -0.03 -0.04 -0.02 -0.04 -0.02 -0.02 -0.01 -0.01 0.29 -0.17 0.15 0.35 0.57 0.04 -0.05 -0.07 -0.08 0.11 0.08 0.05 -0.25 -0.12 0.00 -0.02 -0.01 -0.01 -0.01 0.26 0.26 0.27 0.27 0.46 0.32 0.32 0.32 0.32 -0.16 -0.03 -0.26 -0.06 -0.01 -0.04 -0.03 -0.01 -0.18 -0.07 -0.02 -0.05 -0.04 -0.03 -0.21 0.26 -0.09 0.15 0.08 -0.03 0.63 0.61 0.11 0.44 0.35 0.19 0.98 0.30 -0.07 0.19 0.10 -0.01 0.63 0.65 0.12 0.48 0.37 0.22 1.00 0.29 -0.18 0.17 0.08 -0.10 0.66 0.64 0.18 0.51 0.44 0.29 0.99 -0.32 -0.27 -0.27 -0.15 -0.31 -0.28 -0.30 -0.23 -0.28 -0.17 -0.10
feature_108 -0.02 -0.05 0.01 0.01 0.01 0.01 0.01 0.01 0.13 0.10 -0.01 -0.00 -0.01 -0.01 -0.00 0.01 0.12 0.10 0.02 0.03 0.06 0.06 0.10 0.09 0.02 0.02 0.06 0.06 0.03 0.04 0.05 0.05 0.07 0.06 0.00 0.01 0.04 0.04 0.02 0.02 0.04 0.04 0.04 0.04 0.00 0.00 -0.01 -0.00 -0.16 0.16 0.12 0.55 0.22 0.05 0.17 0.11 0.06 -0.00 -0.04 -0.00 0.16 0.06 0.07 0.04 0.10 0.11 0.08 0.11 0.11 0.03 0.03 -0.06 -0.16 -0.16 -0.10 -0.10 0.13 0.02 0.11 0.03 -0.02 -0.01 -0.02 -0.02 -0.02 0.04 -0.02 0.00 -0.01 -0.02 0.02 0.95 0.15 0.76 0.57 0.29 0.59 0.63 0.07 0.53 0.40 0.19 0.30 0.96 0.17 0.79 0.58 0.30 0.57 0.62 0.09 0.53 0.40 0.20 0.29 1.00 0.24 0.83 0.67 0.41 0.59 0.65 0.11 0.57 0.46 0.26 0.30 0.14 0.02 0.17 0.09 0.15 0.06 0.17 0.08 0.18 0.09 -0.01
feature_109 0.03 -0.05 0.01 0.01 0.00 0.00 0.00 0.02 0.39 0.42 0.06 0.06 0.04 0.04 0.11 0.11 0.40 0.45 0.16 0.18 0.26 0.26 0.36 0.40 0.09 0.09 0.15 0.16 0.10 0.10 0.11 0.11 0.13 0.13 0.04 0.05 0.08 0.09 0.05 0.06 0.06 0.07 0.05 0.08 0.07 0.06 0.02 0.03 -0.39 0.30 0.02 0.08 -0.23 0.12 0.32 0.27 0.23 0.02 -0.03 -0.26 0.29 0.01 -0.01 0.03 -0.02 -0.02 -0.01 0.06 0.07 0.07 0.07 0.13 0.06 0.06 0.05 0.05 0.49 0.23 0.53 -0.01 -0.07 -0.03 -0.05 -0.06 -0.01 0.01 -0.05 -0.01 -0.03 -0.04 0.03 0.19 0.56 0.26 0.38 0.51 0.18 -0.17 0.33 -0.07 0.06 0.25 -0.18 0.20 0.62 0.30 0.42 0.58 0.17 -0.18 0.38 -0.05 0.09 0.27 -0.18 0.24 1.00 0.33 0.54 0.88 0.19 -0.17 0.61 -0.04 0.14 0.44 -0.17 0.23 -0.14 0.26 -0.07 0.23 -0.14 0.25 -0.13 0.25 -0.10 0.03
feature_110 -0.00 -0.05 0.01 0.01 0.01 0.01 0.01 0.01 0.15 0.14 0.00 0.01 -0.00 0.00 0.02 0.03 0.14 0.14 0.04 0.05 0.07 0.08 0.12 0.13 0.03 0.03 0.08 0.07 0.04 0.05 0.06 0.06 0.08 0.08 0.01 0.02 0.05 0.05 0.02 0.03 0.04 0.05 0.05 0.06 0.01 0.01 -0.00 0.01 -0.18 0.17 0.10 0.46 0.15 0.05 0.18 0.12 0.08 -0.00 -0.03 -0.02 0.18 0.08 0.04 0.04 0.07 0.10 0.08 0.10 0.10 0.03 0.03 -0.03 -0.13 -0.12 -0.07 -0.07 0.16 0.04 0.16 0.07 -0.03 0.02 -0.03 -0.03 -0.01 0.07 -0.02 0.03 -0.01 -0.02 0.03 0.82 0.21 0.92 0.69 0.38 0.47 0.47 0.11 0.58 0.45 0.24 0.18 0.80 0.23 0.91 0.72 0.39 0.45 0.44 0.12 0.57 0.45 0.24 0.17 0.83 0.33 1.00 0.85 0.52 0.47 0.47 0.17 0.61 0.52 0.32 0.18 0.14 -0.02 0.19 0.09 0.16 0.03 0.18 0.07 0.19 0.09 0.00
feature_111 0.01 -0.05 0.01 0.01 0.00 0.00 0.01 0.01 0.21 0.22 0.02 0.03 0.02 0.02 0.05 0.06 0.21 0.23 0.08 0.10 0.13 0.15 0.19 0.21 0.05 0.05 0.10 0.10 0.06 0.07 0.08 0.08 0.10 0.10 0.02 0.03 0.07 0.07 0.03 0.04 0.05 0.07 0.06 0.08 0.03 0.03 0.01 0.02 -0.24 0.20 0.07 0.36 0.04 0.07 0.22 0.17 0.13 0.01 -0.03 -0.08 0.22 0.08 0.02 0.05 0.04 0.07 0.08 0.10 0.11 0.05 0.05 0.03 -0.07 -0.07 -0.03 -0.03 0.25 0.09 0.26 0.05 -0.04 0.02 -0.03 -0.04 -0.02 0.05 -0.03 0.03 -0.01 -0.03 0.03 0.65 0.33 0.77 0.79 0.50 0.41 0.29 0.18 0.42 0.49 0.31 0.09 0.64 0.36 0.76 0.84 0.54 0.39 0.27 0.21 0.42 0.50 0.32 0.08 0.67 0.54 0.85 1.00 0.73 0.40 0.30 0.30 0.45 0.59 0.44 0.09 0.16 -0.06 0.22 0.07 0.17 -0.03 0.20 0.01 0.22 0.06 0.01
feature_112 0.02 -0.06 0.01 0.01 0.00 0.00 0.00 0.02 0.34 0.37 0.05 0.05 0.04 0.04 0.10 0.10 0.35 0.40 0.14 0.16 0.23 0.24 0.32 0.36 0.08 0.08 0.14 0.15 0.09 0.09 0.11 0.11 0.13 0.14 0.04 0.05 0.09 0.10 0.05 0.06 0.06 0.08 0.06 0.09 0.06 0.06 0.02 0.03 -0.37 0.28 0.04 0.18 -0.15 0.11 0.30 0.25 0.20 0.02 -0.03 -0.21 0.29 0.05 -0.00 0.06 0.00 0.01 0.03 0.09 0.09 0.07 0.07 0.11 0.02 0.02 0.03 0.03 0.42 0.19 0.46 0.01 -0.06 -0.01 -0.04 -0.06 -0.01 0.02 -0.04 0.00 -0.02 -0.05 0.03 0.36 0.51 0.44 0.55 0.62 0.27 -0.02 0.30 0.10 0.23 0.38 -0.10 0.36 0.56 0.47 0.59 0.68 0.26 -0.03 0.34 0.12 0.25 0.40 -0.10 0.41 0.88 0.52 0.73 1.00 0.28 -0.01 0.53 0.14 0.33 0.59 -0.09 0.22 -0.11 0.27 -0.01 0.22 -0.10 0.25 -0.08 0.26 -0.05 0.03
feature_113 -0.03 -0.03 0.00 0.01 0.01 0.01 0.01 -0.00 0.09 0.02 -0.01 -0.01 -0.02 -0.01 -0.01 -0.01 0.07 -0.00 0.01 -0.00 0.03 0.00 0.05 -0.00 -0.00 -0.01 0.02 -0.00 0.01 -0.00 0.02 0.00 0.02 0.00 0.01 0.00 0.02 0.00 0.02 0.01 0.02 0.01 0.02 0.01 -0.01 -0.01 0.00 0.00 -0.16 0.19 0.19 0.54 0.24 0.08 0.22 0.13 0.06 0.03 -0.03 -0.04 0.05 -0.16 0.03 0.00 0.02 0.02 0.01 0.28 0.28 0.23 0.23 0.43 0.27 0.26 0.31 0.31 0.09 -0.06 0.02 -0.04 -0.01 -0.03 -0.02 -0.01 -0.20 -0.02 -0.01 -0.01 -0.01 -0.01 -0.10 0.56 0.11 0.42 0.33 0.18 0.99 0.33 0.05 0.24 0.19 0.10 0.65 0.59 0.11 0.44 0.35 0.19 0.99 0.34 0.06 0.25 0.20 0.11 0.66 0.59 0.19 0.47 0.40 0.28 1.00 0.34 0.10 0.26 0.23 0.16 0.66 0.00 -0.32 0.04 -0.21 0.01 -0.32 0.03 -0.28 0.04 -0.23 -0.03
feature_114 -0.09 0.05 0.00 0.00 0.00 0.00 0.00 0.01 -0.12 -0.16 -0.01 -0.01 -0.02 -0.01 -0.05 -0.03 -0.16 -0.20 -0.07 -0.07 -0.11 -0.10 -0.14 -0.18 -0.02 -0.02 -0.01 -0.02 -0.02 -0.02 -0.00 -0.01 0.01 -0.00 -0.03 -0.02 -0.02 -0.02 -0.02 -0.02 -0.01 -0.01 -0.01 -0.01 -0.01 -0.01 -0.02 -0.01 0.31 -0.22 0.08 0.38 0.59 0.00 -0.12 -0.10 -0.10 0.08 0.07 0.10 -0.17 0.12 0.04 0.02 0.06 0.07 0.06 0.11 0.11 0.03 0.03 -0.06 -0.15 -0.15 -0.08 -0.08 -0.15 0.04 -0.21 0.03 -0.00 0.00 -0.00 -0.00 0.01 0.02 -0.02 -0.00 -0.01 -0.02 -0.02 0.61 -0.05 0.45 0.30 0.07 0.35 0.97 0.15 0.80 0.61 0.31 0.66 0.61 -0.04 0.47 0.28 0.06 0.33 0.97 0.15 0.81 0.60 0.31 0.64 0.65 -0.17 0.47 0.30 -0.01 0.34 1.00 0.20 0.87 0.71 0.41 0.65 -0.21 0.11 -0.16 0.17 -0.19 0.15 -0.18 0.17 -0.17 0.18 -0.09
feature_115 -0.04 0.06 0.00 0.00 -0.00 -0.00 -0.00 0.02 0.17 0.16 0.05 0.05 0.04 0.04 0.06 0.06 0.15 0.15 0.08 0.08 0.12 0.10 0.15 0.14 0.06 0.05 0.10 0.10 0.07 0.05 0.07 0.06 0.09 0.08 0.02 0.02 0.04 0.05 0.02 0.03 0.03 0.03 0.03 0.04 0.06 0.05 0.01 0.02 0.03 -0.06 0.01 0.04 0.11 0.10 0.09 0.08 0.07 0.13 0.10 -0.16 -0.01 0.09 -0.04 0.01 -0.04 -0.04 -0.03 0.07 0.07 0.07 0.07 0.13 0.07 0.07 0.07 0.07 0.22 0.29 0.21 -0.01 -0.05 -0.02 -0.03 -0.04 -0.00 -0.01 -0.10 -0.04 -0.06 -0.09 -0.01 0.08 0.36 0.13 0.22 0.32 0.09 0.18 0.58 0.24 0.35 0.52 0.18 0.09 0.40 0.16 0.25 0.36 0.09 0.19 0.68 0.27 0.40 0.57 0.18 0.11 0.61 0.17 0.30 0.53 0.10 0.20 1.00 0.31 0.51 0.82 0.18 -0.09 -0.08 -0.05 0.02 -0.09 -0.07 -0.09 -0.05 -0.07 -0.02 -0.04
feature_116 -0.07 0.05 0.00 0.00 0.00 0.00 0.00 0.01 -0.07 -0.10 -0.00 0.01 -0.00 0.00 -0.02 -0.00 -0.11 -0.13 -0.04 -0.03 -0.07 -0.05 -0.09 -0.11 -0.00 -0.00 0.02 0.01 -0.00 0.00 0.01 0.01 0.03 0.02 -0.02 -0.01 -0.00 0.01 -0.01 -0.01 -0.00 0.01 0.01 0.02 0.00 0.00 -0.01 -0.00 0.27 -0.21 0.06 0.33 0.51 0.01 -0.10 -0.08 -0.07 0.08 0.08 0.07 -0.13 0.17 0.02 0.03 0.05 0.08 0.07 0.10 0.10 0.03 0.03 -0.04 -0.14 -0.13 -0.08 -0.08 -0.09 0.09 -0.13 0.06 -0.01 0.03 -0.00 -0.01 0.02 0.05 -0.03 0.02 -0.01 -0.03 -0.00 0.54 0.02 0.57 0.42 0.16 0.27 0.85 0.21 0.92 0.74 0.40 0.52 0.53 0.03 0.58 0.40 0.16 0.25 0.84 0.23 0.92 0.73 0.41 0.51 0.57 -0.04 0.61 0.45 0.14 0.26 0.87 0.31 1.00 0.86 0.55 0.52 -0.19 0.08 -0.12 0.22 -0.17 0.14 -0.15 0.18 -0.13 0.22 -0.07
feature_117 -0.06 0.05 0.00 -0.00 -0.00 -0.00 -0.00 0.01 -0.01 -0.03 0.02 0.03 0.01 0.02 0.01 0.02 -0.04 -0.04 -0.00 0.01 -0.01 0.01 -0.02 -0.03 0.02 0.02 0.04 0.04 0.02 0.02 0.04 0.03 0.05 0.05 -0.01 0.01 0.01 0.02 -0.00 0.01 0.01 0.03 0.02 0.03 0.02 0.02 -0.00 0.01 0.22 -0.18 0.04 0.26 0.42 0.04 -0.05 -0.03 -0.03 0.10 0.09 0.01 -0.10 0.18 -0.00 0.04 0.02 0.05 0.07 0.11 0.11 0.05 0.05 0.03 -0.08 -0.07 -0.03 -0.03 -0.01 0.15 -0.03 0.04 -0.02 0.02 -0.01 -0.02 0.01 0.03 -0.04 0.01 -0.02 -0.06 -0.00 0.43 0.12 0.48 0.52 0.27 0.24 0.69 0.32 0.78 0.83 0.52 0.45 0.42 0.14 0.50 0.50 0.28 0.22 0.69 0.35 0.79 0.84 0.54 0.44 0.46 0.14 0.52 0.59 0.33 0.23 0.71 0.51 0.86 1.00 0.74 0.45 -0.18 0.02 -0.10 0.20 -0.16 0.07 -0.15 0.12 -0.12 0.18 -0.06
feature_118 -0.05 0.05 0.00 0.00 -0.00 -0.00 -0.00 0.02 0.10 0.08 0.04 0.04 0.03 0.03 0.04 0.05 0.07 0.08 0.05 0.06 0.07 0.07 0.08 0.09 0.04 0.04 0.08 0.08 0.05 0.04 0.06 0.05 0.08 0.08 0.01 0.02 0.03 0.04 0.01 0.02 0.02 0.03 0.03 0.05 0.04 0.04 0.01 0.01 0.10 -0.11 0.02 0.13 0.23 0.07 0.03 0.04 0.03 0.12 0.09 -0.09 -0.04 0.14 -0.03 0.04 -0.02 -0.01 0.02 0.09 0.09 0.07 0.07 0.10 0.01 0.02 0.04 0.04 0.12 0.23 0.11 0.01 -0.04 -0.00 -0.03 -0.04 0.00 -0.00 -0.08 -0.04 -0.07 -0.11 -0.01 0.23 0.27 0.28 0.36 0.39 0.16 0.39 0.48 0.47 0.56 0.67 0.29 0.23 0.31 0.30 0.37 0.43 0.14 0.40 0.56 0.50 0.63 0.73 0.29 0.26 0.44 0.32 0.44 0.59 0.16 0.41 0.82 0.55 0.74 1.00 0.29 -0.13 -0.04 -0.06 0.12 -0.12 -0.02 -0.11 0.01 -0.09 0.06 -0.05
feature_119 -0.10 0.06 -0.00 -0.00 0.00 0.01 0.01 -0.00 -0.13 -0.20 -0.01 -0.01 -0.02 -0.01 -0.05 -0.05 -0.18 -0.25 -0.07 -0.09 -0.11 -0.13 -0.15 -0.22 -0.04 -0.04 -0.04 -0.06 -0.03 -0.04 -0.03 -0.04 -0.03 -0.05 -0.02 -0.02 -0.03 -0.04 -0.02 -0.03 -0.02 -0.03 -0.02 -0.03 -0.02 -0.02 -0.01 -0.01 0.28 -0.16 0.14 0.36 0.58 0.04 -0.05 -0.07 -0.08 0.11 0.08 0.05 -0.24 -0.12 0.00 -0.01 -0.01 -0.01 -0.00 0.28 0.28 0.23 0.23 0.44 0.28 0.28 0.33 0.33 -0.16 -0.03 -0.25 -0.02 0.00 -0.01 -0.01 0.00 -0.10 -0.03 -0.01 -0.02 -0.01 -0.01 -0.12 0.29 -0.07 0.18 0.10 -0.01 0.65 0.62 0.12 0.46 0.37 0.21 0.99 0.30 -0.07 0.19 0.10 -0.01 0.63 0.64 0.11 0.47 0.37 0.21 0.99 0.30 -0.17 0.18 0.09 -0.09 0.66 0.65 0.18 0.52 0.45 0.29 1.00 -0.31 -0.25 -0.26 -0.14 -0.29 -0.26 -0.29 -0.21 -0.27 -0.16 -0.10
feature_120 -0.06 -0.21 0.03 0.03 0.02 0.02 0.02 0.01 0.42 0.18 0.03 0.01 0.03 0.02 0.13 0.06 0.57 0.28 0.21 0.10 0.35 0.16 0.50 0.25 0.11 0.06 0.20 0.10 0.13 0.07 0.15 0.08 0.17 0.09 0.07 0.03 0.15 0.06 0.10 0.04 0.11 0.05 0.11 0.05 0.05 0.03 0.02 0.01 -0.55 0.84 0.63 0.02 -0.24 0.23 0.56 0.29 0.11 -0.04 -0.24 -0.03 0.83 0.08 0.12 0.07 0.13 0.13 0.09 -0.08 -0.08 -0.06 -0.06 -0.22 -0.17 -0.17 -0.18 -0.18 0.46 -0.19 0.18 -0.02 -0.03 -0.01 -0.02 -0.03 -0.06 -0.01 -0.02 -0.01 -0.01 -0.02 -0.02 0.11 0.09 0.10 0.09 0.08 -0.00 -0.21 -0.09 -0.18 -0.16 -0.11 -0.34 0.13 0.12 0.12 0.12 0.12 0.02 -0.21 -0.05 -0.15 -0.13 -0.08 -0.32 0.14 0.23 0.14 0.16 0.22 0.00 -0.21 -0.09 -0.19 -0.18 -0.13 -0.31 1.00 0.25 0.88 0.08 0.97 0.19 0.94 0.15 0.90 0.10 -0.06
feature_121 -0.04 -0.02 0.01 0.01 0.00 -0.00 -0.00 0.00 -0.04 0.05 -0.00 0.00 -0.00 -0.00 -0.00 0.02 -0.02 0.08 -0.01 0.02 -0.02 0.04 -0.02 0.06 0.00 0.02 0.01 0.04 -0.00 0.02 0.01 0.03 0.01 0.04 -0.00 0.01 0.01 0.04 0.00 0.02 0.01 0.04 0.01 0.04 0.00 0.01 -0.00 0.00 0.07 -0.26 -0.19 -0.02 0.07 -0.10 -0.20 -0.12 -0.06 -0.04 -0.03 0.08 0.08 0.49 0.05 0.05 0.08 0.09 0.07 -0.22 -0.22 -0.25 -0.25 -0.53 -0.38 -0.38 -0.37 -0.37 -0.07 0.14 0.02 0.01 0.01 0.01 0.01 0.00 0.07 -0.01 0.00 -0.00 -0.00 0.00 0.05 0.02 -0.06 -0.01 -0.03 -0.05 -0.30 0.11 -0.03 0.07 0.03 -0.01 -0.26 0.02 -0.06 -0.01 -0.04 -0.06 -0.28 0.11 -0.03 0.07 0.02 -0.01 -0.27 0.02 -0.14 -0.02 -0.06 -0.11 -0.32 0.11 -0.08 0.08 0.02 -0.04 -0.25 0.25 1.00 0.12 0.65 0.18 0.92 0.15 0.83 0.13 0.72 -0.04
feature_122 -0.05 -0.20 0.04 0.03 0.02 0.02 0.02 0.02 0.43 0.20 0.04 0.02 0.04 0.02 0.14 0.08 0.61 0.34 0.23 0.13 0.37 0.19 0.53 0.30 0.12 0.07 0.23 0.14 0.14 0.09 0.17 0.10 0.20 0.12 0.08 0.04 0.18 0.09 0.11 0.06 0.14 0.08 0.14 0.09 0.06 0.04 0.03 0.01 -0.53 0.79 0.60 0.03 -0.22 0.23 0.55 0.30 0.12 -0.02 -0.21 -0.03 0.94 0.27 0.11 0.09 0.13 0.14 0.11 -0.03 -0.03 -0.02 -0.02 -0.14 -0.13 -0.13 -0.14 -0.14 0.46 -0.15 0.20 -0.01 -0.03 -0.01 -0.02 -0.03 -0.05 -0.01 -0.02 -0.01 -0.02 -0.02 -0.02 0.14 0.10 0.15 0.15 0.12 0.03 -0.16 -0.06 -0.11 -0.09 -0.06 -0.28 0.15 0.14 0.18 0.17 0.16 0.05 -0.16 -0.02 -0.09 -0.06 -0.03 -0.27 0.17 0.26 0.19 0.22 0.27 0.04 -0.16 -0.05 -0.12 -0.10 -0.06 -0.26 0.88 0.12 1.00 0.32 0.92 0.18 0.94 0.22 0.98 0.28 -0.05
feature_123 -0.04 -0.01 0.02 0.01 0.01 0.00 0.00 0.00 -0.02 0.08 0.01 0.02 0.01 0.01 0.03 0.06 0.05 0.17 0.04 0.08 0.04 0.11 0.05 0.15 0.03 0.04 0.06 0.10 0.03 0.06 0.04 0.07 0.06 0.09 0.02 0.04 0.06 0.10 0.03 0.06 0.05 0.08 0.06 0.10 0.01 0.02 0.01 0.02 0.09 -0.25 -0.19 0.00 0.08 -0.08 -0.18 -0.09 -0.03 0.00 0.02 0.08 0.25 0.79 0.05 0.07 0.07 0.10 0.10 -0.10 -0.10 -0.14 -0.14 -0.32 -0.27 -0.27 -0.25 -0.25 -0.06 0.17 0.05 0.01 -0.00 0.01 -0.00 -0.00 0.06 -0.00 -0.00 -0.01 -0.02 -0.02 0.04 0.07 -0.02 0.09 0.08 0.02 -0.20 0.17 0.03 0.20 0.17 0.09 -0.15 0.07 -0.02 0.10 0.07 0.02 -0.19 0.17 0.03 0.20 0.18 0.11 -0.15 0.09 -0.07 0.09 0.07 -0.01 -0.21 0.17 0.02 0.22 0.20 0.12 -0.14 0.08 0.65 0.32 1.00 0.13 0.76 0.17 0.84 0.26 0.95 -0.04
feature_124 -0.06 -0.21 0.03 0.03 0.02 0.02 0.02 0.01 0.43 0.18 0.04 0.02 0.03 0.02 0.14 0.06 0.59 0.30 0.22 0.11 0.36 0.17 0.51 0.27 0.12 0.06 0.21 0.11 0.13 0.07 0.16 0.08 0.18 0.10 0.07 0.03 0.16 0.07 0.10 0.04 0.12 0.06 0.12 0.06 0.05 0.03 0.02 0.01 -0.54 0.84 0.63 0.03 -0.23 0.23 0.57 0.30 0.11 -0.04 -0.23 -0.03 0.87 0.12 0.12 0.07 0.13 0.14 0.10 -0.06 -0.06 -0.05 -0.05 -0.19 -0.16 -0.16 -0.17 -0.17 0.47 -0.18 0.19 -0.02 -0.03 -0.01 -0.02 -0.03 -0.06 -0.01 -0.02 -0.01 -0.01 -0.02 -0.02 0.12 0.09 0.12 0.10 0.09 0.01 -0.19 -0.08 -0.15 -0.14 -0.10 -0.32 0.14 0.12 0.14 0.13 0.12 0.03 -0.19 -0.04 -0.13 -0.11 -0.07 -0.31 0.15 0.23 0.16 0.17 0.22 0.01 -0.19 -0.09 -0.17 -0.16 -0.12 -0.29 0.97 0.18 0.92 0.13 1.00 0.22 0.98 0.21 0.94 0.16 -0.06
feature_125 -0.04 -0.02 0.01 0.01 0.00 -0.00 -0.00 -0.00 -0.03 0.06 0.00 0.01 0.00 0.00 0.01 0.04 -0.00 0.11 0.00 0.04 -0.00 0.06 0.00 0.09 0.01 0.03 0.03 0.06 0.01 0.03 0.01 0.04 0.02 0.06 0.01 0.02 0.03 0.06 0.01 0.03 0.02 0.05 0.03 0.06 0.00 0.01 0.00 0.01 0.09 -0.27 -0.20 -0.00 0.08 -0.11 -0.21 -0.12 -0.06 -0.04 -0.02 0.09 0.13 0.59 0.06 0.05 0.09 0.10 0.08 -0.20 -0.21 -0.24 -0.24 -0.52 -0.40 -0.40 -0.39 -0.39 -0.07 0.17 0.04 0.01 0.01 0.01 0.01 0.01 0.07 -0.00 0.01 -0.00 0.00 0.00 0.05 0.05 -0.05 0.04 0.00 -0.04 -0.30 0.14 -0.02 0.13 0.07 0.01 -0.27 0.05 -0.06 0.04 -0.01 -0.05 -0.28 0.15 -0.03 0.13 0.07 0.01 -0.28 0.06 -0.14 0.03 -0.03 -0.10 -0.32 0.15 -0.07 0.14 0.07 -0.02 -0.26 0.19 0.92 0.18 0.76 0.22 1.00 0.22 0.96 0.19 0.85 -0.04
feature_126 -0.05 -0.22 0.03 0.03 0.02 0.02 0.02 0.01 0.44 0.20 0.04 0.02 0.03 0.02 0.14 0.07 0.61 0.32 0.22 0.12 0.36 0.18 0.52 0.29 0.12 0.07 0.22 0.12 0.14 0.08 0.16 0.09 0.19 0.11 0.08 0.04 0.17 0.08 0.10 0.05 0.13 0.06 0.13 0.07 0.05 0.03 0.02 0.01 -0.56 0.84 0.64 0.04 -0.24 0.23 0.58 0.30 0.12 -0.04 -0.23 -0.03 0.89 0.15 0.12 0.08 0.14 0.14 0.11 -0.05 -0.04 -0.04 -0.03 -0.18 -0.16 -0.15 -0.16 -0.16 0.48 -0.17 0.21 -0.01 -0.03 -0.01 -0.02 -0.03 -0.06 -0.01 -0.02 -0.01 -0.01 -0.02 -0.02 0.14 0.10 0.15 0.12 0.10 0.03 -0.19 -0.08 -0.14 -0.13 -0.10 -0.32 0.16 0.13 0.17 0.15 0.14 0.04 -0.19 -0.04 -0.12 -0.10 -0.07 -0.30 0.17 0.25 0.18 0.20 0.25 0.03 -0.18 -0.09 -0.15 -0.15 -0.11 -0.29 0.94 0.15 0.94 0.17 0.98 0.22 1.00 0.24 0.98 0.21 -0.06
feature_127 -0.04 -0.01 0.01 0.01 0.00 -0.00 0.00 0.00 -0.03 0.07 0.01 0.01 0.00 0.01 0.02 0.05 0.01 0.13 0.02 0.05 0.01 0.07 0.02 0.11 0.02 0.03 0.03 0.07 0.01 0.04 0.02 0.05 0.03 0.07 0.01 0.03 0.04 0.07 0.02 0.04 0.03 0.06 0.04 0.07 0.01 0.01 0.00 0.01 0.09 -0.27 -0.20 0.01 0.09 -0.10 -0.21 -0.11 -0.05 -0.03 -0.01 0.09 0.16 0.64 0.06 0.06 0.09 0.11 0.09 -0.16 -0.16 -0.20 -0.20 -0.45 -0.36 -0.36 -0.34 -0.34 -0.06 0.17 0.04 0.02 0.00 0.01 0.00 0.00 0.07 0.00 0.00 0.00 -0.00 -0.00 0.04 0.07 -0.05 0.07 0.03 -0.02 -0.26 0.17 -0.01 0.17 0.11 0.03 -0.22 0.07 -0.05 0.08 0.02 -0.03 -0.24 0.17 -0.02 0.17 0.11 0.03 -0.23 0.08 -0.13 0.07 0.01 -0.08 -0.28 0.17 -0.05 0.18 0.12 0.01 -0.21 0.15 0.83 0.22 0.84 0.21 0.96 0.24 1.00 0.24 0.93 -0.04
feature_128 -0.05 -0.21 0.04 0.03 0.02 0.02 0.02 0.02 0.44 0.20 0.04 0.02 0.03 0.02 0.14 0.07 0.61 0.34 0.23 0.13 0.37 0.19 0.53 0.30 0.12 0.07 0.23 0.13 0.14 0.09 0.17 0.10 0.19 0.11 0.08 0.04 0.18 0.09 0.11 0.06 0.13 0.07 0.13 0.08 0.06 0.03 0.02 0.01 -0.54 0.81 0.62 0.04 -0.23 0.23 0.56 0.30 0.12 -0.03 -0.22 -0.03 0.92 0.22 0.12 0.08 0.13 0.14 0.11 -0.03 -0.03 -0.03 -0.02 -0.15 -0.14 -0.14 -0.15 -0.15 0.47 -0.16 0.21 -0.01 -0.03 -0.01 -0.02 -0.03 -0.05 -0.01 -0.02 -0.01 -0.02 -0.02 -0.02 0.14 0.10 0.16 0.14 0.11 0.04 -0.17 -0.07 -0.12 -0.10 -0.08 -0.29 0.16 0.14 0.18 0.17 0.15 0.05 -0.17 -0.03 -0.10 -0.07 -0.05 -0.28 0.18 0.25 0.19 0.22 0.26 0.04 -0.17 -0.07 -0.13 -0.12 -0.09 -0.27 0.90 0.13 0.98 0.26 0.94 0.19 0.98 0.24 1.00 0.28 -0.05
feature_129 -0.04 -0.01 0.01 0.01 0.01 0.00 0.00 0.00 -0.03 0.07 0.01 0.02 0.01 0.01 0.03 0.05 0.03 0.15 0.03 0.07 0.03 0.09 0.04 0.13 0.02 0.04 0.05 0.08 0.02 0.05 0.03 0.06 0.05 0.08 0.02 0.04 0.05 0.09 0.03 0.05 0.04 0.08 0.05 0.09 0.01 0.02 0.01 0.01 0.10 -0.26 -0.20 0.01 0.09 -0.09 -0.19 -0.10 -0.04 -0.01 0.01 0.09 0.21 0.73 0.05 0.07 0.08 0.11 0.10 -0.12 -0.12 -0.16 -0.16 -0.37 -0.30 -0.30 -0.29 -0.28 -0.06 0.17 0.04 0.02 0.00 0.01 0.00 0.00 0.06 0.00 -0.00 -0.00 -0.01 -0.01 0.04 0.08 -0.04 0.09 0.07 -0.00 -0.21 0.18 0.01 0.20 0.16 0.06 -0.16 0.08 -0.04 0.10 0.06 -0.01 -0.21 0.18 0.00 0.20 0.16 0.07 -0.17 0.09 -0.10 0.09 0.06 -0.05 -0.23 0.18 -0.02 0.22 0.18 0.06 -0.16 0.10 0.72 0.28 0.95 0.16 0.85 0.21 0.93 0.28 1.00 -0.04
ts_id 1.00 0.03 -0.01 -0.01 -0.01 -0.01 -0.01 0.00 -0.03 0.02 -0.00 -0.00 -0.01 -0.01 -0.01 -0.00 -0.05 0.01 -0.02 0.00 -0.03 0.00 -0.04 0.01 -0.01 0.00 -0.02 -0.00 -0.01 -0.00 -0.02 -0.00 -0.02 -0.01 -0.01 -0.00 -0.03 -0.01 -0.01 -0.00 -0.02 -0.01 -0.02 -0.01 -0.00 -0.00 -0.00 -0.00 0.03 -0.03 -0.13 -0.08 -0.14 -0.05 -0.06 -0.02 0.01 -0.05 0.01 -0.01 -0.06 -0.04 -0.09 -0.05 -0.08 -0.08 -0.07 -0.02 -0.02 -0.01 -0.01 -0.03 -0.02 -0.02 -0.03 -0.03 -0.03 -0.01 0.03 -0.00 -0.01 0.00 -0.00 -0.00 0.00 -0.00 -0.00 0.00 -0.00 -0.00 0.01 -0.01 0.01 0.00 0.00 0.01 -0.02 -0.09 -0.03 -0.06 -0.05 -0.03 -0.10 -0.01 0.02 -0.00 0.01 0.02 -0.02 -0.09 -0.02 -0.06 -0.05 -0.03 -0.10 -0.01 0.03 0.00 0.01 0.03 -0.03 -0.09 -0.04 -0.07 -0.06 -0.05 -0.10 -0.06 -0.04 -0.05 -0.04 -0.06 -0.04 -0.06 -0.04 -0.05 -0.04 1.00
In [40]:
# Features correlation with respect to resp only
pd.DataFrame(df_train_corr['resp']).sort_values('resp',ascending = False).style.background_gradient(cmap='YlGnBu')
Out[40]:
resp
resp 1.000000
resp_4 0.956197
resp_3 0.815972
resp_2 0.595274
resp_1 0.452159
feature_27 0.048293
feature_31 0.047021
feature_39 0.043932
feature_33 0.041301
feature_35 0.033564
feature_28 0.032502
feature_29 0.030466
feature_32 0.029504
feature_40 0.028748
feature_34 0.023818
feature_7 0.021207
feature_53 0.021034
feature_11 0.020725
feature_122 0.020313
feature_128 0.019902
feature_1 0.019802
feature_126 0.019669
feature_124 0.019478
feature_13 0.019412
feature_36 0.019326
feature_120 0.018552
feature_69 0.018534
feature_9 0.018368
feature_42 0.018267
feature_15 0.018183
feature_30 0.017356
feature_43 0.015688
feature_8 0.014660
feature_101 0.014392
feature_113 0.013843
feature_44 0.013619
feature_96 0.013469
feature_89 0.013273
feature_108 0.013209
feature_12 0.012481
feature_79 0.011976
feature_2 0.011883
feature_84 0.011500
feature_14 0.010752
feature_73 0.010445
feature_71 0.010297
feature_10 0.010188
feature_85 0.009896
feature_91 0.009741
feature_16 0.009508
feature_82 0.008672
feature_110 0.008643
feature_98 0.008454
feature_88 0.007700
feature_76 0.007584
feature_56 0.007423
feature_86 0.007228
feature_59 0.006887
feature_55 0.006565
feature_58 0.006430
feature_57 0.005959
feature_107 0.005761
feature_119 0.005590
feature_87 0.005486
feature_111 0.005089
feature_47 0.004869
feature_5 0.004814
feature_94 0.004809
feature_54 0.004621
feature_102 0.004613
feature_95 0.004548
feature_114 0.004385
feature_81 0.003926
feature_112 0.003753
feature_3 0.003608
feature_90 0.003604
feature_75 0.002835
feature_99 0.002824
feature_63 0.002754
feature_70 0.002682
feature_62 0.002421
feature_116 0.001978
feature_123 0.001857
feature_109 0.001766
feature_6 0.001706
feature_104 0.001637
feature_92 0.001140
feature_60 0.001021
feature_129 0.000985
feature_93 0.000954
feature_61 0.000943
feature_4 0.000500
feature_45 0.000288
feature_127 0.000084
feature_78 0.000072
feature_80 0.000002
feature_64 -0.000387
feature_117 -0.000406
feature_74 -0.000408
feature_46 -0.000490
feature_67 -0.000993
feature_68 -0.001200
feature_125 -0.001211
feature_48 -0.001442
feature_66 -0.001547
feature_121 -0.001682
feature_65 -0.001783
feature_118 -0.001882
feature_72 -0.002034
feature_105 -0.002306
feature_100 -0.002728
feature_115 -0.002743
feature_49 -0.004349
feature_83 -0.006124
feature_20 -0.006614
feature_50 -0.006891
weight -0.006948
ts_id -0.007526
date -0.007590
feature_106 -0.007671
feature_77 -0.008028
feature_97 -0.008253
feature_52 -0.008280
feature_41 -0.008511
feature_26 -0.009957
feature_51 -0.010348
feature_103 -0.010920
feature_19 -0.012886
feature_24 -0.015145
feature_22 -0.016168
feature_18 -0.017448
feature_25 -0.018248
feature_38 -0.020683
feature_0 -0.023726
feature_23 -0.024656
feature_21 -0.027753
feature_17 -0.028277
feature_37 -0.029281

Informations on daily returns and daily volumes

Just in case you also happended to be interested in the volumes Note that the return was relatively stable for a short while between 100 and 200 for some unknown reasons.

In [122]:
#Visualization: Daily Return vs Daily Volume

Volume = df_train.date
Volume = Volume.value_counts().sort_index()

daily_return = df_train[['date','resp']].groupby(['date']).sum()
daily_return

plt.rcParams["figure.figsize"] = (30,8)

ax_return = plt.subplot2grid((5,4),(0,0),rowspan = 3,colspan = 4)
ax_volumes = plt.subplot2grid((5,4),(3,0),colspan = 4,rowspan = 2)
ax_return.plot(daily_return.index, daily_return.resp, label = "Return")
ax_return.set_title("Return and Volume",fontsize = 30)
ax_return.legend(fontsize = 20)
ax_return.set_xlabel('Time',fontsize = 20)
ax_return.set_ylabel('Return',fontsize = 20)
ax_return.tick_params(axis = 'both',labelsize = 16)

plt.subplots_adjust(wspace = 0.5,hspace = 0.5)
ax_volumes.set_ylabel('Volume',fontsize = 20)
ax_volumes.bar(Volume.index, Volume, color = 'red',alpha = 0.7)
ax_volumes.tick_params(axis = 'both',labelsize = 16)
In [124]:
daily_return.describe()
Out[124]:
resp
count 500.000000
mean 1.952129
std 11.085616
min -48.649796
25% -2.616761
50% 1.187239
75% 5.285396
max 57.957487
In [126]:
pd.DataFrame(Volume.describe())
Out[126]:
date
count 500.000000
mean 4780.982000
std 2023.246691
min 29.000000
25% 3621.000000
50% 4353.500000
75% 5220.250000
max 18884.000000

Feature file info

Other competitioners are not talking about / using this file that much on Kaggle.

Each feature is consist of 28 tags.
No information in regards of tags are given.
Some features are suspected to be duplicates since they have exactly the same tags structure. However, those features don't hold the same values or distributions, therefore tags are not primary keys to features(meaning we can't distinguish features by just looking at their tags.)

In [41]:
df_feature = pd.read_csv('features.csv')
In [42]:
df_feature.head()
Out[42]:
feature tag_0 tag_1 tag_2 tag_3 tag_4 tag_5 tag_6 tag_7 tag_8 ... tag_19 tag_20 tag_21 tag_22 tag_23 tag_24 tag_25 tag_26 tag_27 tag_28
0 feature_0 False False False False False False False False False ... False False False False False False False False False False
1 feature_1 False False False False False False True True False ... False False False False False False False False False False
2 feature_2 False False False False False False True True False ... False False False False False False False False False False
3 feature_3 False False False False False False True False True ... False False False False False False False False False False
4 feature_4 False False False False False False True False True ... False False False False False False False False False False

5 rows × 30 columns

In [43]:
#Duplicated features (in terms of tags)
feature_dup = df_feature.drop(['feature'], axis = 1).duplicated(subset=None, keep='first')
feature_dup[feature_dup == True]
Out[43]:
42    True
43    True
48    True
50    True
51    True
52    True
61    True
63    True
65    True
66    True
67    True
68    True
dtype: bool
In [56]:
# Features that has same tags
duplicated = df_feature.loc[feature_dup[feature_dup == True].index]
duplicated
Out[56]:
feature tag_0 tag_1 tag_2 tag_3 tag_4 tag_5 tag_6 tag_7 tag_8 ... tag_19 tag_20 tag_21 tag_22 tag_23 tag_24 tag_25 tag_26 tag_27 tag_28
42 feature_42 False False False False False False False False False ... False False False False False False False False False False
43 feature_43 False False False False False False False False False ... False False False False False False False False False False
48 feature_48 False False False False False False False False False ... True False False False False False False False False False
50 feature_50 False False False False False False False False False ... True False False False False False False False False False
51 feature_51 False False False False False False False False False ... True False False False False False False False False False
52 feature_52 False False False False False False False False False ... True False False False False False False False False False
61 feature_61 False False False False False False False False False ... False False False True False False False False False False
63 feature_63 False False False False False False False False False ... False False False True False False False False False False
65 feature_65 False False False False False False False False False ... False False False True False False False False False False
66 feature_66 False False False False False False False False False ... False False False True False False False False False False
67 feature_67 False False False False False False False False False ... False False False True False False False False False False
68 feature_68 False False False False False False False False False ... False False False True False False False False False False

12 rows × 30 columns

Summary

Again, the goal of this game is to maximize the utility score, in order to do that we need to make sure that we have right features to train the right model. At this point, the problems we need to tackle/discuss are:

1. Decide action value. Are we simply go with action = 1 when resp > 0 and action = 0 otherwise or is there any other thoughts that you guys may have?

2. How do we handle the missing values in this case? Drop them/assign 0 / assign 999/ others?

3. Most importantly, how do we select our features?

A couple of my points:

  • I think it is important to remember that this competition will last till August. Just because our models have nice performance at present doesn't mean our models will have nice outputs in the future. It could simply be overfitting.
  • Since we do not know what these features are and these features are in different scales, we should normalize them before feed them to models.
  • I don't think it is a good idea to simply remove all the null values as we have seen that null value percentage can take up to more than 15% for some features.
In [ ]: